Numpy 常用函数笔记

最新推荐文章于 2023-07-24 21:27:14 发布

Owen Zzzz

最新推荐文章于 2023-07-24 21:27:14 发布

阅读量299

点赞数

CC 4.0 BY-SA版权

分类专栏： Python Notebook 文章标签： numpy python

本文链接：https://blog.youkuaiyun.com/ObserverZhang/article/details/110248992

Python Notebook 专栏收录该内容

5 篇文章

订阅专栏

本文介绍了Numpy中的几个关键函数，包括np.min和np.amin，它们在计算最小值时略有区别，np.amin提供了保持维度的选项。接着讨论了np.percentile，特别是其interpolation参数对小数组处理的影响，并补充了插值法的图示说明。最后提到了np.cov，用于计算协方差，同时也可用于计算方差。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

np.min & np.amin

manual: https://numpy.org/doc/stable/reference/generated/numpy.amin.html

keypoints：

两者功能基本一致，np.min 更易用一点
keepdims = True 保持矩阵原格式输出

import numpy as np
test_array = np.array([[1,2,3],[4,5,6],[7,8,9]])

# array.min()可用但array.amin()不可用
test_array.min(1)  #axis = 1
#out: array([1, 4, 7])

test_array.amin(1)
#out: AttributeError: 'numpy.ndarray' object has no attribute 'amin'

# np.min & np.amin 用法一致
np.amin(test_array,axis=1)
#out: array([1, 4, 7])

np.min(test_array,axis=1)
#out: array([1, 4, 7])

#keepdims 保持矩阵格式输出
np.amin(test_array2,axis=1,keepdims=True)
#out: array([[1],
#out:        [4],
#out:        [7]])

np.percentile

manual: https://numpy.org/doc/stable/reference/generated/numpy.percentile.html?highlight=percentile#numpy.percentile

keypoints:
interpolation 默认为 ‘linear’，使用插值法计算分位数因此在处理小数组时结果很可能不是数组中的值。

	a = np.array([[10, 7, 4], [3, 2, 1]])
	np.percentile(a,[25,50],axis = 1)
	#out: array([[5.5, 1.5],
    #out         [7. , 2. ]])

补充关于interpolation各选项的完美图示

import matplotlib.pyplot as plt

a = np.arange(4)
p = np.linspace(0, 100, 6001)
ax = plt.gca()
lines = [
    ('linear', None),
    ('higher', '--'),
    ('lower', '--'),
    ('nearest', '-.'),
    ('midpoint', '-.'),
]
for interpolation, style in lines:
    ax.plot(
        p, np.percentile(a, p, interpolation=interpolation),
        label=interpolation, linestyle=style)
ax.set(
    title='Interpolation methods for list: ' + str(a),
    xlabel='Percentile',
    ylabel='List item returned',
    yticks=a)
ax.legend()
plt.show()