numpy一些处理数据的function

import numpy as np
x=np.linspace(start=14,stop=30,num=20).reshape(4,5)

1) np.sum(x,axis=None)默认axis=None统计全部数组元素的和 axis=0 第一维度的和（此时sum函数返回的是一个数组） axis=1 第二维度…….

<===>x.sum(axis=None)下面的函数也是如此

print(“np.sum(x,axis=0):”,np.sum(x,axis=0))

2)np.mean(x,axis=None)均值

print(“np.mean(x,axis=1):”,np.mean(x,axis=1))

3)np.average(a,axis=None,weights=None) 加权平均数 weights 各元素的权重租车组成的数组

print(“np.average(x,weights=x/x.sum()):”,np.average(x,weights=x/x.sum()))

4)

np.std(x,axis=None)标准差

np.var(x,axis=None)方差

np.min(x,axis=None)最小值

np.max(x,axis=None)最大值

np.argmin(x,axis=None) np.argmax(x,axis=None)一维化之后的最小值（最大值）下标

unravel_index(index,shape)根据一维化下标转换成多维下标

print(“np.unravel_index(np.argmax(x),x.shape):”,np.unravel_index(np.argmax(x),x.shape))

np.ptp(x,axis=None) 最大值-最小值的差

print(“np.ptp(x):”,np.ptp(x))

np.median(x,axis=None) 中位数

print(“np.median(x):”,np.median(x))

5）梯度 –》斜率 np.gradient(x) [a b c] x1的梯度b-a x2的梯度 (c-a)/2 多维数组的梯度，多维梯度：

x1 x2 x3

例：二维数组 行的梯度，列的梯度 此时这个函数返回两个数组，因为是两个方向的梯度

print(“np.gradient(x)：”,np.gradient(x))