NumPy(五):数组统计【平均值:mean()、最大值:max()、最小值:min()、标准差:std()、方差:var()、中位数:median()】【axis=0:按列运算;axis=0:按列】

本文主要是介绍NumPy(五):数组统计【平均值:mean()、最大值:max()、最小值:min()、标准差:std()、方差:var()、中位数:median()】【axis=0:按列运算;axis=0:按列】,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

统计运算

  • np.max()
  • np.min()
  • np.median()
  • np.mean()
  • np.std()
  • np.var()
  • np.argmax(axis=) — 最大元素对应的下标
  • np.argmin(axis=) — 最小元素对应的下标

NumPy提供了一个N维数组类型ndarray,它描述了 相同类型 的“items”的集合。(NumPy provides an N-dimensional array type, the ndarray, which describes a collection of “items” of the same type.)

在这里插入图片描述

用ndarray进行存储:

import numpy as np# 创建ndarray
score = np.array(
[[80, 89, 86, 67, 79],
[78, 97, 89, 67, 81],
[90, 94, 78, 67, 74],
[91, 91, 90, 67, 69],
[76, 87, 75, 67, 86],
[70, 79, 84, 67, 84],
[94, 92, 93, 67, 64],
[86, 85, 83, 67, 80]])score

返回结果:

array([[80, 89, 86, 67, 79],[78, 97, 89, 67, 81],[90, 94, 78, 67, 74],[91, 91, 90, 67, 69],[76, 87, 75, 67, 86],[70, 79, 84, 67, 84],[94, 92, 93, 67, 64],[86, 85, 83, 67, 80]])

如果想要知道学生成绩最大的分数,或者做小分数应该怎么做?

一、统计指标

在数据挖掘/机器学习领域,统计指标的值也是我们分析问题的一种方式。

  • axis为0,按列运算
  • axis为1,按行运算

常用的指标如下:

  • min(a, axis)
    • Return the minimum of an array or minimum along an axis.
  • max(a, axis])
    • Return the maximum of an array or maximum along an axis.
  • median(a, axis)
    • Compute the median along the specified axis.
  • mean(a, axis, dtype)
    • Compute the arithmetic mean along the specified axis.
  • std(a, axis, dtype)
    • Compute the standard deviation along the specified axis.
  • var(a, axis, dtype)
    • Compute the variance along the specified axis.

二、案例:学生成绩统计运算

进行统计的时候,axis 轴的取值并不一定,Numpy中不同的API轴的值都不一样,在这里,axis 0代表列, axis 1代表行去进行统计

# 接下来对于前四名学生,进行一些统计运算
# 指定列 去统计
temp = score[:4, 0:5]
print("前四名学生,各科成绩的最大分:{}".format(np.max(temp, axis=0)))
print("前四名学生,各科成绩的最小分:{}".format(np.min(temp, axis=0)))
print("前四名学生,各科成绩波动情况:{}".format(np.std(temp, axis=0)))
print("前四名学生,各科成绩的平均分:{}".format(np.mean(temp, axis=0)))

结果:

前四名学生,各科成绩的最大分:[96 97 72 98 89]
前四名学生,各科成绩的最小分:[55 57 45 76 77]
前四名学生,各科成绩波动情况:[16.25576821 14.92271758 10.40432602  8.0311892   4.32290412]
前四名学生,各科成绩的平均分:[78.5  75.75 62.5  85.   82.25]

如果需要统计出某科最高分对应的是哪个同学?

  • np.argmax(temp, axis=)
  • np.argmin(temp, axis=)
print("前四名学生,各科成绩最高分对应的学生下标:{}".format(np.argmax(temp, axis=0)))

结果:

前四名学生,各科成绩最高分对应的学生下标:[0 2 0 0 1]

三、案例

import numpy as npar = np.arange(6).reshape(2, 3)
print('ar = ', ar)
# 统计运算
print('ar.mean() = ', ar.mean())  # 求平均值
print('按列求平均值:np.mean(ar, axis=0) = ', np.mean(ar, axis=0))  # 按列求平均值
print('按行求平均值:np.mean(ar, axis=1) = ', np.mean(ar, axis=1))  # 按行求平均值
print('ar.max() = ', ar.max())  # 求最大值
print('按列求最大值:np.max(ar, axis=0) = ', np.max(ar, axis=0))  # 按列求最大值
print('按行求最大值:np.max(ar, axis=1) = ', np.max(ar, axis=1))  # 按行求最大值
print('ar.min() = ', ar.min())  # 求最小值
print('按列求最小值:np.min(ar, axis=0) = ', np.min(ar, axis=0))  # 按列求最小值
print('按行求最小值:np.min(ar, axis=1) = ', np.min(ar, axis=1))  # 按行求最小值
print('ar.std() = ', ar.std())  # 求标准差
print('按列求标准差:np.std(ar, axis=0) = ', np.std(ar, axis=0))  # 按列求标准差
print('按列求标准差:np.std(ar, axis=1) = ', np.std(ar, axis=1))  # 按列求标准差
print('ar.var() = ', ar.var())  # 求方差
print('按列求方差:np.var(ar, axis=0) = ', np.var(ar, axis=0))  # 按列求方差
print('按行求方差:np.var(ar, axis=1) = ', np.var(ar, axis=1))  # 按行求方差
print('ar.sum() = ', ar.sum())  # 求和,np.sum()
print('按列求和:np.sum(ar, axis=0) = ', np.sum(ar, axis=0))  # 求和,np.sum() → axis为0,按列求和
print('按行求和:np.sum(ar, axis=1) = ', np.sum(ar, axis=1))  # 求和,np.sum() → axis为1,按行求和

打印结果:

ar =  [[0 1 2][3 4 5]]
ar.mean() =  2.5
按列求平均值:np.mean(ar, axis=0) =  [1.5 2.5 3.5]
按行求平均值:np.mean(ar, axis=1) =  [1. 4.]
ar.max() =  5
按列求最大值:np.max(ar, axis=0) =  [3 4 5]
按行求最大值:np.max(ar, axis=1) =  [2 5]
ar.min() =  0
按列求最小值:np.min(ar, axis=0) =  [0 1 2]
按行求最小值:np.min(ar, axis=1) =  [0 3]
ar.std() =  1.707825127659933
按列求标准差:np.std(ar, axis=0) =  [1.5 1.5 1.5]
按列求标准差:np.std(ar, axis=1) =  [0.81649658 0.81649658]
ar.var() =  2.9166666666666665
按列求方差:np.var(ar, axis=0) =  [2.25 2.25 2.25]
按行求方差:np.var(ar, axis=1) =  [0.66666667 0.66666667]
ar.sum() =  15
按列求和:np.sum(ar, axis=0) =  [3 5 7]
按行求和:np.sum(ar, axis=1) =  [ 3 12]

这篇关于NumPy(五):数组统计【平均值:mean()、最大值:max()、最小值:min()、标准差:std()、方差:var()、中位数:median()】【axis=0:按列运算;axis=0:按列】的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1128699

相关文章

C++原地删除有序数组重复项的N种方法

《C++原地删除有序数组重复项的N种方法》给定一个排序数组,你需要在原地删除重复出现的元素,使得每个元素只出现一次,返回移除后数组的新长度,不要使用额外的数组空间,你必须在原地修改输入数组并在使用O(... 目录一、问题二、问题分析三、算法实现四、问题变体:最多保留两次五、分析和代码实现5.1、问题分析5.

一文详解SQL Server如何跟踪自动统计信息更新

《一文详解SQLServer如何跟踪自动统计信息更新》SQLServer数据库中,我们都清楚统计信息对于优化器来说非常重要,所以本文就来和大家简单聊一聊SQLServer如何跟踪自动统计信息更新吧... SQL Server数据库中,我们都清楚统计信息对于优化器来说非常重要。一般情况下,我们会开启"自动更新

Java中数组转换为列表的两种实现方式(超简单)

《Java中数组转换为列表的两种实现方式(超简单)》本文介绍了在Java中将数组转换为列表的两种常见方法使用Arrays.asList和Java8的StreamAPI,Arrays.asList方法简... 目录1. 使用Java Collections框架(Arrays.asList)1.1 示例代码1.

C++一个数组赋值给另一个数组方式

《C++一个数组赋值给另一个数组方式》文章介绍了三种在C++中将一个数组赋值给另一个数组的方法:使用循环逐个元素赋值、使用标准库函数std::copy或std::memcpy以及使用标准库容器,每种方... 目录C++一个数组赋值给另一个数组循环遍历赋值使用标准库中的函数 std::copy 或 std::

Python使用Pandas对比两列数据取最大值的五种方法

《Python使用Pandas对比两列数据取最大值的五种方法》本文主要介绍使用Pandas对比两列数据取最大值的五种方法,包括使用max方法、apply方法结合lambda函数、函数、clip方法、w... 目录引言一、使用max方法二、使用apply方法结合lambda函数三、使用np.maximum函数

C++初始化数组的几种常见方法(简单易懂)

《C++初始化数组的几种常见方法(简单易懂)》本文介绍了C++中数组的初始化方法,包括一维数组和二维数组的初始化,以及用new动态初始化数组,在C++11及以上版本中,还提供了使用std::array... 目录1、初始化一维数组1.1、使用列表初始化(推荐方式)1.2、初始化部分列表1.3、使用std::

C++ Primer 多维数组的使用

《C++Primer多维数组的使用》本文主要介绍了多维数组在C++语言中的定义、初始化、下标引用以及使用范围for语句处理多维数组的方法,具有一定的参考价值,感兴趣的可以了解一下... 目录多维数组多维数组的初始化多维数组的下标引用使用范围for语句处理多维数组指针和多维数组多维数组严格来说,C++语言没

Java深度学习库DJL实现Python的NumPy方式

《Java深度学习库DJL实现Python的NumPy方式》本文介绍了DJL库的背景和基本功能,包括NDArray的创建、数学运算、数据获取和设置等,同时,还展示了如何使用NDArray进行数据预处理... 目录1 NDArray 的背景介绍1.1 架构2 JavaDJL使用2.1 安装DJL2.2 基本操

c++中std::placeholders的使用方法

《c++中std::placeholders的使用方法》std::placeholders是C++标准库中的一个工具,用于在函数对象绑定时创建占位符,本文就来详细的介绍一下,具有一定的参考价值,感兴... 目录1. 基本概念2. 使用场景3. 示例示例 1:部分参数绑定示例 2:参数重排序4. 注意事项5.

Java 字符数组转字符串的常用方法

《Java字符数组转字符串的常用方法》文章总结了在Java中将字符数组转换为字符串的几种常用方法,包括使用String构造函数、String.valueOf()方法、StringBuilder以及A... 目录1. 使用String构造函数1.1 基本转换方法1.2 注意事项2. 使用String.valu