1.前言

使用一組數(shù)學(xué)函數(shù)對(duì)numpy數(shù)組進(jìn)行操作的時(shí)候，有兩種方式計(jì)算：對(duì)整個(gè)數(shù)組進(jìn)行計(jì)算；

對(duì)源數(shù)組的某個(gè)軸向的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)計(jì)算；

2.下面是基本的數(shù)組統(tǒng)計(jì)方法數(shù)組統(tǒng)計(jì)方法

3.統(tǒng)計(jì)函數(shù)的分類

下面的所有統(tǒng)計(jì)方法，即可以當(dāng)做數(shù)組的實(shí)例方法調(diào)用，也可以當(dāng)做頂級(jí)numpy函數(shù)使用。

import numpy as nparr = np.random.randn(5,4)print(np.xxx(arr))print(arr.xxx())

聚合計(jì)算(aggregation,通常叫做約簡(jiǎn)(reduction))。而不聚合也就是方法調(diào)用返回的結(jié)果是一個(gè)由中間結(jié)果組成的數(shù)組。聚合計(jì)算的方法

import numpy as np

arr = np.random.randn(5,4)#正太分布數(shù)據(jù)

print("數(shù)組中元素求和：",arr.sum())

print("算術(shù)平均數(shù)：",arr.mean())

print("標(biāo)準(zhǔn)差和方差：",arr.std(),arr.var())

print("最大值和最小值：",arr.max(),arr.min())

數(shù)組中元素求和： -2.84952437344

算術(shù)平均數(shù)： -0.142476218672

標(biāo)準(zhǔn)差和方差： 0.896244709803 0.803254579849

最大值和最小值： 1.95081773969 -1.87576739314

而cumsum以及cumprod方法就是非聚合方法，他返回的是由中間結(jié)果組成的一個(gè)數(shù)組，這樣說(shuō)有點(diǎn)不好理解，下面我使用例子來(lái)進(jìn)行說(shuō)明。

當(dāng)然還是先從最簡(jiǎn)單的二維數(shù)組為例說(shuō)明：

import numpy as np

arr = np.arange(12).reshape(3,4)

print(arr)

print('-----axis = 0-----')

arr_axi0 = np.cumsum(arr,axis = 0)

print(arr_axi0)

print('-----axis = 1-----')

arr_axi1 = np.cumsum(arr,axis = 1)

print(arr_axi1)

[[ 0 1 2 3]

[ 4 5 6 7]

[ 8 9 10 11]]

-----axis = 0-----

[[ 0 1 2 3]

[ 4 6 8 10]

[12 15 18 21]]

-----axis = 1-----

[[ 0 1 3 6]

[ 4 9 15 22]

[ 8 17 27 38]]

從我以前的numpy文章中可以知道對(duì)于二維數(shù)組他的axis的值與行和列之間的關(guān)系二維數(shù)組的axis

由此我們也可以看出對(duì)于二維數(shù)組我們的參數(shù)axis的值只能是0和1，那么如何去理解非聚合計(jì)算的結(jié)果由中間值組成的數(shù)組呢？axis = 0的時(shí)候，知道他是從行的角度去考慮函數(shù)，那如果是一般的聚合計(jì)算的函數(shù)，如sum...他們返回的是一個(gè)向量。但是對(duì)于非聚合計(jì)算的函數(shù)，他們返回的數(shù)組shape函數(shù)原來(lái)數(shù)組的shape，他們每一行的值都是上一行值與本行值的和(當(dāng)然如果使用cumprop方法的話就是上一行值與本行值的積)。

axis = 1的時(shí)候，其實(shí)和axis = 0的一樣，只不過(guò)是這里的方向是從列的方向去考慮，也就是shape還和源數(shù)組的shape相同，但是其中每一列的值就是本列與上一列的值組成的新列(當(dāng)然如果使用cumprop方法的話就是上一行值與本行值的積)。

總結(jié)

以上是生活随笔為你收集整理的python数学计算模块_Python-NumPy模块数学和统计方法(4)的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。