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, ...
最新文章
- 1013 Battle Over Cities(图的DFS解法)
- python多线程下载编程_python多线程下载图片
- Web前端开发实用在线工具
- mkdir 创建目录
- 【Java从0到架构师】git 核心原理和分支管理
- 51nod-1350:斐波那契表示
- sap gui java_不喜欢SAP GUI?那试试用Eclipse进行ABAP开发吧
- socket.io实现客户端和服务端的双向通信
- 关于 myeclipse 里面没有 add hibernate capabilities 问题解决方法
- 【转载】合理规划您的硬盘分区
- php定时器使用,PHP实现javascript的定时器
- hp刀片服务器性能分析,IBM刀片服务器与高性能计算-20210723075634.ppt-原创力文档...
- Mac系统的环境变量配置
- linux格式化分区进程,Linux 硬盘格式化、分区、挂载、卸载、删除分区,Linux重新调整分区...
- 《影响力》- 作者 Robert B. Cialdini 罗伯特·西奥迪尼 读后感
- RobotFramework-关键字-Wait Until Keyword Succeeds
- 盗贼之海显示无法连接服务器,盗贼之海网络连接不上怎么解决
- 用xpath解析网页
- UP主分析丨B站“肝视频”第一人,追剧的速度都跟不上他。
- 目标定位算法(三)之基于角度的定位算法