Numpy笔记----------numpy聚合操作

1.求和(np.sum)

import numpy as np
#一维
n = np.arange(10)
print('n:',n)
x = np.sum(n)
print('x:',x)
#二维
m = np.random.randint(0,10,size=(3,5))
print('m:',m)
#所有数求和
y = np.sum(m)
print('y:',y)
#所有行对应位置求和
z = np.sum(m,axis=0)
print('z:',z)
#所有列对应位置求和
a = np.sum(m,axis=1)
print('a:',a)

2.最大值(np.max)

import numpy as np
n = np.random.randint(0,10,size=(3,5))
print('n:',n)
max = np.max(n)
print('max:',max)
#每一列上最大值的集合
max = np.max(n,axis=0)
print('max:',max)
#每一行上最大值的集合
max = np.max(n,axis=1)
print('max:',max)

3.最小值(np.min)

import numpy as np
n = np.random.randint(0,10,size=(3,5))
print('n:',n)
min = np.min(n)
print('min:',min)
#每一列上最小值的集合
min = np.min(n,axis=0)
print('min:',min)
#每一行上最小值的集合
min = np.min(n,axis=1)
print('min:',min)

4.平均值(np.mean/np.average)

import numpy as np
n = np.random.randint(0,10,size=(3,5))
print('n:',n)
#np.mean方法
mean = np.mean(n)
print('mean:',mean)
#每一列的平均值
mean = np.mean(n,axis=0)
print('mean:',mean)
#每一行的平均值
mean = np.mean(n,axis=1)
print('mean:',mean)
#np.average方法
average = np.average(n)
print('average:',average)
#每一列的平均值
average = np.average(n,axis=0)
print('average:',average)
#每一列的平均值
average = np.average(n,axis=1)
print('average:',average)

5.中位数(np.median)

import numpy as np
n = np.random.randint(0,10,size=(3,5))
print('n:',n)
median = np.median(n)
print('median:',median)
#每一列上中位数的集合
median = np.median(n,axis=0)
print('median:',median)
#每一行上中位数的集合
median = np.median(n,axis=1)
print('median:',median)

6.最大值下标(np.argmax)和最小值下标(np.argmin)

• 使用np.argmax和np.argmin，当最大值或最小值出现多次时，结果为第一次出现的位置下标

import numpy as np
n = np.random.randint(0,10,size=(1,8))
print('n:',n)
#最大值下标
maxIndex = np.argmax(n)
print('maxIndex:',maxIndex)
#最小值下标
minIndex = np.argmin(n)
print('minIndex:',minIndex)
#使用argwhere找到全部最大值下标
allMaxIndex = np.argwhere(n==np.max(n))
print('allMaxIndex:',allMaxIndex)
#使用argwhere找到全部最小值下标
allMinIndex = np.argwhere(n==np.min(n))
print('allMinIndex:',allMinIndex)

7.求次方(np.power)

• np.power(n,次方数)

import numpy as np
n = np.arange(2,12)
print('n:',n)
power = np.power(n,3)
print('power:',power)

8.标准差(np.std)和方差(np.var)

import numpy as np
n = np.arange(2,12)
print('n:',n)
#标准差
std = np.std(n)
print('std:',std)
#方差
var = np.var(n)
print('var:',var)

⚠️注意：当存在空数据(nan)时，在聚合方法前加nan过滤这些数据。例如：np.nansum(n)

知识点为听课总结笔记，课程为B站“千锋教育NumPy教程，保姆级基础入门Python数据分析”：017_NumPy_ndarray常用属性_哔哩哔哩_bilibili