简单介绍 numpy中的聚合函数

本文介绍了numpy库中的聚合函数,如求和(np.sum),乘积(np.prod),平均值(np.mean),标准差(np.std)等,并展示了如何处理包含nan值的情况。通过实例演示了聚合函数在指定轴上的应用,如计算矩阵每一列或行的总和、最大值及其下标,以及计算标准差等。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

简单介绍 numpy中的聚合函数

  • 使用numpy之前先导入numpy
    import numpy as np

    np.sum() //求和
    np.prod() //所有元素相乘
    np.mean() //平均值
    np.std() //标准差
    np.var() //方差
    np.median() //中数
    np.power() //幂运算
    np.sqrt() //开方
    np.min() //最小值
    np.max() //最大值
    np.argmin() //最小值的下标
    np.argmax() //最大值的下标
    np.inf //无穷大
    np.exp(10) //以e为底的指数
    np.log(10) //对数

    举例

    n_array= np.array([[1,2,30],[45,67,89]])
    n_array < 60 //返回满足条件的布尔类型矩阵
    n_array[n_array < 60] //满足条件的值

  • nan
    当你的数组中有nan(not a number)类型时,用上述聚合函数会出错,这时用另一个函数,例如:
    np.nansum() //过滤掉nan类型求和

  • 聚合函数还可以指定轴向
    举例:
    #加载文件:
    my_matrix=np.genfromtxt(‘score.csv’,delimiter=’,’)
    #每一列的总和
    my_matrix.sum(axis=0)
    #每一列总和中的最大值
    my_matrix.sum(axis=0).max()
    #每一行的总和中的最大值
    my_matrix.sum(axis=1).max()
    #每

### 使用 Numpy 聚合函数Numpy 中,聚合函数用于快速有效地执行各种统计数据操作。常见的聚合函数包括 `sum`、`mean`、`max` 和 `min` 等。 对于求和操作,可以使用 `np.sum()` 函数来计算数组中所有元素的总和[^4]: ```python import numpy as np data = np.array([1, 2, 3, 4]) total_sum = np.sum(data) print(f"Sum of elements: {total_sum}") ``` 为了获得平均值,可调用 `np.mean()` 方法,该方法返回给定轴上的算术平均值[^5]: ```python average_value = np.mean(data) print(f"Average value: {average_value}") ``` 寻找最大值可以通过 `np.max()` 实现;同样地,最小值则由 `np.min()` 提供[^3]: ```python maximum_value = np.max(data) minimum_value = np.min(data) print(f"Maximum value: {maximum_value}, Minimum value: {minimum_value}") ``` 上述代码片段展示了如何利用 Numpy 的内置聚合功能轻松完成基本统计分析任务。 #### 获取最值及其索引位置 除了简单聚合外,有时还需要知道特定数值的位置信息。为此,Numpy 提供了两个额外的功能:`argmax` 和 `argmin`,它们分别用来找出最大值和最小值所在的索引。 ```python index_of_max = np.argmax(data) index_of_min = np.argmin(data) print(f"Index of maximum value ({maximum_value}): {index_of_max}") print(f"Index of minimum value ({minimum_value}): {index_of_min}") ``` 这使得不仅能够识别极端情况下的具体数值,还能追踪其所在的具体位置,在实际应用中非常有用。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值