NumPy最常用的8个统计函数

NumPy最常用的8个统计函数

NumPy是Python中用于科学计算的重要库,提供了大量的数学和科学计算函数和工具,包括一系列的统计函数。在数据分析和机器学习等领域,统计函数是非常重要的一部分。

下面是NumPy中最常用9个统计函数:

  1. np.mean:计算数组的平均值。
  2. np.median:计算数组的中位数。
  3. np.var:计算数组的方差。
  4. np.std:计算数组的标准差。
  5. np.min:计算数组的最小值。
  6. np.max:计算数组的最大值。
  7. np.percentile:计算数组的分位数。
  8. np.corrcoef:计算数组的相关系数矩阵。
  9. np.histogram:计算数组的直方图。

以下是这些统计函数的使用方法。

np.mean:计算数组的平均值。

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
mean = np.mean(arr)

print("Mean:", mean)

输出结果为:

Mean: 3.0

np.median:计算数组的中位数。


import numpy as np

arr = np.array([1, 2, 3, 4, 5])
median = np.median(arr)

print("Median:", median)

输出结果为:

Median: 3.0

np.var:计算数组的方差。


import numpy as np

arr = np.array([1, 2, 3, 4, 5])
var = np.var(arr)

print("Variance:", var)

输出结果为:

Variance: 2.0

np.std:计算数组的标准差。


import numpy as np

arr = np.array([1, 2, 3, 4, 5])
std = np.std(arr)

print("Standard deviation:", std)

输出结果为:

Standard deviation: 1.4142135623730951

np.min:计算数组的最小值。


import numpy as np

arr = np.array([1, 2, 3, 4, 5])
min_val = np.min(arr)

print("Minimum value:", min_val)

输出结果为:

Minimum value: 1

np.max:计算数组的最大值。


import numpy as np

arr = np.array([1, 2, 3, 4, 5])
max_val = np.max(arr)

print("Maximum value:", max_val)

输出结果为:

Maximum value: 5

np.percentile:计算数组的分位数。


import numpy as np

arr = np.array([1, 2, 3, 4, 5])
percentile_25 = np.percentile(arr, 25)
percentile_50 = np.percentile(arr, 50)
percentile_75 = np.percentile(arr, 75)

print("25th percentile:", percentile_25)
print("50th percentile:", percentile_50)
print("75th percentile:", percentile_75)

输出结果为:


25th percentile: 2.0
50th percentile: 3.0
75th percentile: 4.0

np.corrcoef:计算数组的相关系数矩阵。


import numpy as np

arr1 = np.array([1, 2, 3, 4, 5])
arr2 = np.array([6, 7, 8, 9, 10])

corrcoef_matrix = np.corrcoef(arr1, arr2)

print("Correlation coefficient matrix:")
print(corrcoef_matrix)

输出结果为:

Correlation coefficient matrix:
[[1. 1.]
 [1. 1.]]

本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:NumPy最常用的8个统计函数 - Python技术站

(1)
上一篇 2023年3月1日 下午8:51
下一篇 2023年3月1日 下午9:19

相关文章

  • 这十大Python库你真应该知道

    这十大Python库你真应该知道 Python是一种广泛使用的编程语言,拥有丰富的库和工具,可以帮助开发人员更快地完成任务。这篇文章中,我们将介绍十大Python库这些库可以帮助您提高编程效率和代码质量。 1. NumPy NumPy是Python中最常用的科学计库之一。它提供了一个强大的多维数组对象,以及用于处理这些数组的各种函数。NumPy还提供了线代数…

    python 2023年5月14日
    00
  • python numpy.linalg.norm函数的使用及说明

    以下是关于“Python numpy.linalg.norm函数的使用及说明”的完整攻略。 numpy.linalg.norm函数简介 在NumPy中,linalg.norm()函数用于计算向量或矩阵的范数。范数是一个将向量或矩阵映射到非负的函数,它可以用于衡量向量或矩阵的大小。 numpy.linalg.norm函数使用方法 下面是linalg.norm(…

    python 2023年5月14日
    00
  • numpy之多维数组的创建全过程

    Numpy是Python中一个非常强大的数学库,它提供了许多高效的数学函数和工具,特别是对于数组和矩阵的处理。本攻略详细讲解Numpy中多维数组的创建过程,包括多维数组的创建、索引和切片、数组运算等。 多维数组的创建 使用Numpy,我们可以创建各种类型多数组。下面是一些示例: import numpy as np # 创建一个包含3个列表的二维数组 arr…

    python 2023年5月13日
    00
  • PyCharm添加Anaconda中的虚拟环境Python解释器出现Conda executable is not found错误解决

    下面是详细讲解“PyCharm添加Anaconda中的虚拟环境Python解释器出现Conda executable is not found错误解决”的完整攻略: 问题描述 在PyCharm中为项目配置Anaconda虚拟环境时,添加虚拟环境的Python解释器时提示“Conda executable is not found”错误,无法添加成功。 解决方…

    python 2023年5月13日
    00
  • python3中pip3安装出错,找不到SSL的解决方式

    如果您在使用pip3安装Python3包时遇到了SSL错误,可以尝试以下解决方法: 升级pip3版本。较老版本的pip3可能会出现SSL错误。可以使用以下命令升级pip3: pip3 install –upgrade pip 安装openssl库。SSL错误可能是由于缺少openssl库导致的。可以使用以下命令安装openssl库: sudo apt-ge…

    python 2023年5月14日
    00
  • Python笔记之Scipy.stats.norm函数使用解析

    Scipy是一个Python科学计算库,其中包含了许多用于统计分析的函数。其中,scipy.stats.norm函数是用于正态分布的概率密度函数、累积分布函数和逆累积分布函数的实现。下面是使用scipy.stats.norm函数的完整攻略: 导入Scipy 在Python脚本中导入Scipy: import scipy from scipy import s…

    python 2023年5月14日
    00
  • Python中的图像处理之Python图像平滑操作

    下面是“Python中的图像处理之Python图像平滑操作”的攻略: 1. 什么是图像平滑操作 图像平滑操作就是对图像进行模糊处理,以减少图像中的噪声和细节。可以将图像看作是一系列像素点组成的矩阵,平滑操作就是对这些像素点的数值进行加权平均。在Python中,可以使用OpenCV和Pillow这两个库进行图像平滑操作。 2. 使用OpenCV进行图像平滑操作…

    python 2023年5月14日
    00
  • numpy和tensorflow中的各种乘法(点乘和矩阵乘)

    以下是关于“numpy和tensorflow中的各种乘法(点乘和矩阵乘)”的完整攻略。 点乘 点乘是指两个数组的对应元素相乘,然后将结果相加。NumPy中,可以使用np.dot()函数来进行点乘操作。在TensorFlow中,可以使用tf.multiply()函数来进行点乘操作。 下面是一个使用NumPy进行点操作的示例: import numpy as n…

    python 2023年5月14日
    00
合作推广
合作推广
分享本页
返回顶部