numpy基础(part4)--统计量

鄙人学习笔记，这个笔记以例子为主。
开发工具：Spyder

文章目录

统计量
- 算数平均数
- 加权平均值
- 最值
- 中位数
- 标准差

统计量

算数平均数

设有样本量为n的样本:

 [x1, x2, ..., xn]

则样本的算数平均数为：

m = (x1 + x2 + ... + xn) / n

相关函数：

np.mean(array)
array.mean()

例子1

代码：

import numpy as nparray = np.array([1, 2, 3, 4, 5])
m1 = np.mean(array)
m2 = array.mean()
print(m1, m2)

结果：

例子2

代码：

import numpy as nparray = np.array([[1, 2, 3, 4, 5],[5, 6, 7, 8, 9]]) m1 = np.mean(array)
m2 = np.mean(array, axis = 0)
m3 = np.mean(array, axis = 1)
print('m1:', m1, 'm2:',m2, 'm3:',m3)

备注：np.mean()方法中，axis = 0表示垂直求均值, axis = 1表示水平求均值，若不设置axis则是求全部数据的均值。

结果：

加权平均值

设有样本量为n的样本:

 [x1, x2, ..., xn]

有权重：

[w1, w2, ..., wn]

则加权平均值为：

m = (x1*w1 + x2*w2 +...+ xn*wn)/(w1 + w2 +...+wn)

相关函数：

np.average(array, weights = w_array)

例子

代码：

import numpy as nparray = np.array([1, 2, 3, 4, 5])
w_array = np.array([0.1, 0.2, 0.3, 0.4, 0.5]) m = np.average(array, weights = w_array)
print(m)

结果：

最值

相关函数：

#最大值
np.max()
#最小值
np.min()
#极值
np.ptp()#数组中最大值下标
np.argmax()
#数组中最小值下标
np.argmin()#两个同维数组中对应元素中最大/最小元素构成一个新的数组
np.maximun()
np.minimun()

例子1

代码：

import numpy as np#产生15个介于[10, 100)区间的随机整数
a = np.random.randint(10, 100, 15)
print(a)
print('最大值:', np.max(a),'最小值:', np.min(a),'极值:', np.ptp(a), '最大值下标:', np.argmax(a),'最小值下标:', np.argmin(a))

结果：

例子2

代码：

import numpy as nparray01 = np.array([1, 2, 3, 4, 5, 6, 7])
array02 = np.array([7, 6, 5, 4, 3, 2,1])print(np.maximum(array01, array02))
print(np.minimum(array01, array02))

结果：

中位数

设有样本量为n的样本:

 [x1, x2, ..., xn]

将样本按照大小排序，取中间位置的元素。

若n为奇数，则中位数为最中间的元素。
若n为偶数，中位数为最中间的两个元素的平均值

例子

代码：


import numpy as nparray01 = np.array([1, 2, 3, 4, 5, 6, 7])
array02 = np.array([1, 2, 3, 4, 5, 6, 7, 8])print('array01中位数', np.median(array01), '\n','array02中位数', np.median(array02))

结果：

标准差

相关函数：

np.std(array)            # 总体标准差
np.std(array, ddof=1)  # 样本标准差

例子

代码：

import numpy as nparray = np.array([1, 2, 3, 4, 5, 6, 7])#总体标准差
s01 = np.std(array)
#样本标准差
s02 = np.std(array, ddof=1)print('总体标准差:', s01, '\n','样本标准差:', s02)

结果：

numpy基础(part4)--统计量相关推荐

数据分析之numpy基础/matplotlib绘图/numpy常用函数/杂项功能
文章目录数据分析 numpy概述 numpy`历史` numpy的核心:多维数组 numpy基础 ndarray数组内存中的ndarray对象 ndarray数组对象的特点 ndarray数组对象 ...
Python精讲Numpy基础，大牛笔记详细解释
https://www.toutiao.com/a6664936105076326920/ 总认为Numpy是渣渣,直到深入接触以后才知道功能这么强大.堪比Matlab啊.果然是人生苦短,我用Pyth ...
python之numpy基础_Python知识普及：Numpy基础操作
原标题:Python知识普及:Numpy基础操作 Numpy基础数据结构创建数组 Numpy通用函数 import numpy as np # reshape 改变数组维度形状 ar1 = np.a ...
【Python】Numpy基础：数组和矢量运算
Numpy基础:数组和矢量运算目录: 文章目录一 Numpy及其重要性二 ndarray:一种多维数组对象 1 创建ndarray 2 ndarray的数据类型 3 数组和标量之间的运算 4 基 ...
Python 数据分析与展示笔记1 -- Numpy 基础
Python 数据分析与展示笔记1 – NumPy 基础 Python 数据分析与展示系列笔记是笔者学习.实践Python 数据分析与展示的相关笔记课程链接: Python 数据分析与展示参考文档 ...
python输入数组并计算_利用Python进行数据分析——Numpy基础：数组和矢量计算
利用Python进行数据分析--Numpy基础:数组和矢量计算 ndarry,一个具有矢量运算和复杂广播能力快速节省空间的多维数组对整组数据进行快速运算的标准数学函数,无需for-loop 用于读写 ...
numpy 随机数_数据分析numpy基础看着一篇就够了
1,Numpy基础数据结构 2,Numpy通用函数 3,Numpy索引及切片 4,Numpy随机数 5,Numpy数据的输入输出 1,Numpy基础数据结构 NumPy数组是一个多维数组对象,称为nd ...
Numpy基础(part1)--ndarray数组
鄙人学习笔记,这个笔记以例子为主. 开发工具:Spyder 文章目录使用python做数据分析的常用库 numpy概述 ndarray数组内存中的ndarray对象 ndarray数组对象的创建 ...
matlab imcrop 对应python函数_Python精讲Numpy基础，大牛笔记详细解释
总认为Numpy是渣渣,直到深入接触以后才知道功能这么强大.堪比Matlab啊.果然是人生苦短,我用Python.所以本文作为一个记录&笔记,文章内容大多数取自网络以&官网快速入门等, ...

numpy基础(part4)--统计量

文章目录

统计量

算数平均数

加权平均值

最值

中位数

标准差

numpy基础(part4)--统计量相关推荐

最新文章

热门文章