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 Code
import 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 Code
import 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 Code
import 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 Code
import 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 Code
import 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 Code
import 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 Code
import 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 Code
import 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 Code
import 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。