Numpy中的数学和统计方法
Numpy中的数学和统计方法
触摸壹缕阳光
发布于 2020-07-02 15:35:27
发布于 2020-07-02 15:35:27
使用一组数学函数对Numpy数组进行操作有两种计算方式：
- 对整个数组进行计算；
- 对源数组的某个轴的数据进行计算；
基本数组统计方法
▲数组统计方法
统计函数的分类
下面的所有统计方法，即可以当做数组的实例方法调用，也可以当做Numpy函数来调用。
▲统计函数
import numpy as np
arr = np.random.randn(5,4)
print(np.xxx(arr))
print(arr.xxx())聚合计算(aggregation，通常叫做约简(reduction))。非聚合计算就是方法调用返回的结果是一个由中间结果组成的数组。
▲聚合计算的方法
import numpy as np
arr = np.random.randn(5,4)#正太分布数据
print("数组中元素求和：",arr.sum())
print("算术平均数：",arr.mean())
print("标准差和方差：",arr.std(),arr.var())
print("最大值和最小值：",arr.max(),arr.min())
数组中元素求和： -2.84952437344
算术平均数： -0.142476218672
标准差和方差： 0.896244709803 0.803254579849
最大值和最小值： 1.95081773969 -1.87576739314而cumsum以及cumprod方法就是非聚合方法，它们返回的是由中间结果组成的一个数组，这样说有点不好理解，下面我使用小例子来具体的说明。
依然是以最简单的二维数组为例进行说明：
import numpy as np
arr = np.arange(12).reshape(3,4)
print(arr)
print('-----axis = 0-----')
arr_axi0 = np.cumsum(arr,axis = 0)
print(arr_axi0)
print('-----axis = 1-----')
arr_axi1 = np.cumsum(arr,axis = 1)
print(arr_axi1)
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
-----axis = 0-----
[[ 0 1 2 3]
[ 4 6 8 10]
[12 15 18 21]]
-----axis = 1-----
[[ 0 1 3 6]
[ 4 9 15 22]
[ 8 17 27 38]]Numpy中二维数组的axis的值与行和列之间的关系如下图所示。
▲二维数组的axis
由此我们也可以看出对于二维数组参数axis的值只能是0或1，那么如何去理解非聚合计算的结果由中间值组成的数组呢？
- axis = 0的时候，知道它是从行的角度去考虑函数，那如果是一般的聚合计算的函数，如sum...它们返回的是一个向量，但是对于非聚合计算的函数，它们返回的数组的形状与原来数组的形状相同，它们每一行的值都是上一行值与本行值的和(如果使用cumprop方法的话就是上一行值与本行值的积)；
- axis = 1的时候，其实和axis = 0的一样，只不过此时从列的方向去考虑，返回数组的形状和原来数组的形状依然相同，但是其中每一列的值就是本列与上一列的值组成的新列(如果使用cumprop方法的话就是上一行值与本行值的积)；
本文参与 腾讯云自媒体分享计划，分享自微信公众号。
原始发表：2020-06-25，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读