NumPy最常用的11个聚合函数

NumPy中的聚合函数可以用于对数组中的元素进行汇总计算，包括求和、平均值、标准差、方差等等。这些函数可以对整个数组或者沿着某个轴进行计算，并且支持忽略NaN值的计算。

以下是一些常用的聚合函数及其示例：

sum()：返回数组中所有元素的总和。

import numpy as np
a = np.array([1, 2, 3, 4, 5])
print(np.sum(a)) # 输出: 15

mean()：返回数组中所有元素的平均值。

import numpy as np
a = np.array([1, 2, 3, 4, 5])
print(np.mean(a)) # 输出: 3.0

median()：返回数组中所有元素的中位数。

import numpy as np
a = np.array([1, 2, 3, 4, 5])
print(np.median(a)) # 输出: 3.0

std()：返回数组中所有元素的标准差。

import numpy as np
a = np.array([1, 2, 3, 4, 5])
print(np.std(a)) # 输出: 1.41421356

var()：返回数组中所有元素的方差。

import numpy as np
a = np.array([1, 2, 3, 4, 5])
print(np.var(a)) # 输出: 2.0

min()：返回数组中所有元素的最小值。

import numpy as np
a = np.array([1, 2, 3, 4, 5])
print(np.min(a)) # 输出: 1

max()：返回数组中所有元素的最大值。

import numpy as np
a = np.array([1, 2, 3, 4, 5])
print(np.max(a)) # 输出: 5

argmin()：返回数组中最小元素的索引。

import numpy as np
a = np.array([1, 2, 3, 4, 5])
print(np.argmin(a)) # 输出: 0

argmax()：返回数组中最大元素的索引。

import numpy as np
a = np.array([1, 2, 3, 4, 5])
print(np.argmax(a)) # 输出: 4

cumsum()：返回数组中所有元素的累加和。

import numpy as np
a = np.array([1, 2, 3, 4, 5])
print(np.cumsum(a)) # 输出: [ 1  3  6 10 15]

cumprod()：返回数组中所有元素的累积积。

import numpy as np
a = np.array([1, 2, 3, 4, 5])
print(np.cumprod(a)) # 输出: [ 1  2  6 24 120]

除此之外，NumPy还提供了许多其他聚合函数和方法，例如mean()方法的加权平均值版本average()、计算数组中非零元素的数量

使用NumPy聚合函数需要注意以下几点：

1. 聚合函数的参数通常是一个数组，可以是多维数组。如果计算沿着某个轴的统计量，则需要指定axis参数。

2. 聚合函数在计算时可以忽略NaN值，具体方法是在聚合函数后面加上一个nan选项，如np.mean(arr, nan=True)。

3. 聚合函数的返回值类型通常是标量，也就是一个单独的数值。但是，有些聚合函数也可以返回数组，比如np.unique()函数。

4. NumPy中的聚合函数通常都有相应的方法实现，如np.sum()函数对应数组的sum()方法。