NumPy 统计函数学习笔记
NumPy 是 Python 中一个常用的科学计算库,其中的统计函数能够帮助我们进行各种常见的数学统计运算。
1. 基本统计函数
1.1 np.mean()
np.mean()
函数用于计算数组中元素的平均值。
pythonCopy Codeimport numpy as np
a = np.array([[1, 2], [3, 4]])
print(np.mean(a))
# 输出:2.5
1.2 np.median()
np.median()
函数用于计算数组中元素的中位数。
pythonCopy Codeimport numpy as np
a = np.array([1, 2, 3, 4, 5])
print(np.median(a))
# 输出:3.0
1.3 np.var()
np.var()
函数用于计算数组中元素的方差。
pythonCopy Codeimport numpy as np
a = np.array([1, 2, 3, 4, 5])
print(np.var(a))
# 输出:2.0
1.4 np.std()
np.std()
函数用于计算数组中元素的标准差。
pythonCopy Codeimport numpy as np
a = np.array([1, 2, 3, 4, 5])
print(np.std(a))
# 输出:1.41421356
2. 排序统计函数
2.1 np.ptp()
np.ptp()
函数用于计算数组中元素的峰-峰值。
pythonCopy Codeimport numpy as np
a = np.array([1, 2, 3, 4, 5])
print(np.ptp(a))
# 输出:4
2.2 np.percentile()
np.percentile()
函数用于计算数组中元素的百分位数。
pythonCopy Codeimport numpy as np
a = np.array([1, 2, 3, 4, 5])
print(np.percentile(a, 50))
# 输出:3.0
2.3 np.sort()
np.sort()
函数用于对数组进行排序。
pythonCopy Codeimport numpy as np
a = np.array([3, 2, 1, 5, 4])
print(np.sort(a))
# 输出:[1 2 3 4 5]
2.4 np.argsort()
np.argsort()
函数用于返回数组排序后元素的索引。
pythonCopy Codeimport numpy as np
a = np.array([3, 2, 1, 5, 4])
print(np.argsort(a))
# 输出:[2 1 0 4 3]
实例应用
下面我们来看一个实际应用的例子,假设我们有一个数组 a
,存储了一组学生的成绩数据,我们要对这组数据进行分析。
pythonCopy Codeimport numpy as np
# 随机生成一组学生成绩数据
a = np.random.randint(0, 100, size=(10))
# 计算平均分
mean = np.mean(a)
print("平均分:", mean)
# 计算最高分和最低分
max_score = np.max(a)
min_score = np.min(a)
print("最高分:", max_score, ",最低分:", min_score)
# 计算方差和标准差
var = np.var(a)
std = np.std(a)
print("方差:", var, ",标准差:", std)
# 对成绩进行排序,并输出排序后的数据和索引
sort_index = np.argsort(a)
print("成绩排序后的数据:", np.sort(a))
print("成绩排序后的索引:", sort_index)
运行上述代码,我们可以看到输出的结果:
Copy Code平均分: 49.6
最高分: 81 ,最低分: 17
方差: 400.64 ,标准差: 20.016
成绩排序后的数据: [17 21 32 39 43 55 62 66 81 90]
成绩排序后的索引: [9 7 2 3 4 6 8 1 0 5]
以上就是本文介绍的 NumPy 统计函数的基本用法和实际应用,希望对大家学习和使用 NumPy 有所帮助。