Python中numpy的统计函数

本文详细介绍了Python中NumPy库的统计函数,包括求和、平均值、加权平均值、标准差、方差等常见统计操作。同时,还解释了如何通过axis参数指定计算方向,并介绍了梯度函数的计算原理。

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

Python中numpy的统计函数


axis = 0 / 1 / None 0代表column 1代表row None不加以区分

函数含义
sum(a, axis=None)根据给定轴axis计算数组a相关元素之和,axis整数或元组
mean(a, axis=None)根据给定轴axis计算数组a相关元素的期望,axis整数或元组
average(a,axis=None,weights=None)根据给定轴axis计算数组a相关元素的加权平均值
std(a, axis=None)根据给定轴axis计算数组a相关元素的标准差
var(a, axis=None)根据给定轴axis计算数组a相关元素的方差
min(a) max(a)计算数组a中元素的最小值、最大值
argmin(a) argmax(a)计算数组a中元素最小值、最大值的降一维后下标
unravel_index(index, shape)根据shape将一维下标index转换成多维下标
ptp(a)计算数组a中元素最大值与最小值的差
median(a)计算数组a中元素的中位数(中值)
sum(a, axis=None) 元素和

在这里插入图片描述

mean(a, axis=None) 期望

在这里插入图片描述

average(a,axis=None,weights=None) 平均值

在这里插入图片描述
在这里插入图片描述
按依次对同一列按顺序乘以权值 (权值数量为数组行/列元素数)
如 61 + 102 + 19*3 / (1+2+3) = 13.83333333

std(a, axis=None) 标准差

在这里插入图片描述

var(a, axis=None)

在这里插入图片描述

min(a) max(a) 最大最小值

在这里插入图片描述

argmin(a) argmax(a)

在这里插入图片描述

unravel_index(index, shape)

在这里插入图片描述

ptp(a)

在这里插入图片描述

median(a)

在这里插入图片描述

另:梯度函数
np.gradient(f)
两边边值为后项与前项的差
中间值为此值的前项与后项的差除2

一维时:

在这里插入图片描述

多维时:

在这里插入图片描述
前一数组为最外层的梯度
后一数组为第二层维度的梯度

评论
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