2.2.統計函數 2018/11/11====================================================================# sum,mean及標準差std等聚合計算通常叫做約簡 reduction# 既可做數組實例方法調用，也可做頂級NumPy 函數使用==================================================================== 1..計算總和# 1.1 數組1D x = np.array([1, 2, 3, 4]) np.sum(x) # 10 x.sum() # 10 -------------------------------------------- # 1.2.按行和按列求和2D： x = np.array([[1, 2], [3, 4]])x.sum() #10 x.sum(axis=0) # 按列求和 columns (first dimension) # array([4, 6]) x.sum(axis=1) # 按行求和 rows (second dimension) # array([3, 7])x[:, 0].sum(), x[:, 1].sum() # 第一列求和，第二列求和 # (4, 6) x[0, :].sum(), x[1, :].sum() # 第一行求和，第二行求和 # (3, 7) --------------------------------------------- # 1.3.cumsum和cumprod方法則不聚合， 而是產生一個中間結果組成的數組： arr = np.array([[0, 1, 2], [3, 4, 5], [6, 7, 8]]) arr.cumsum() #array([ 0, 1, 3, 6, 10, 15, 21, 28, 36], dtype=int32) arr.cumsum(0) #array([[ 0, 1, 2],[ 3, 5, 7], [ 9, 12, 15]], dtype=int32) arr.cumsum(1) #array([[ 0, 1, 3], [ 3, 7, 12],[ 6, 13, 21]], dtype=int32)arr.cumprod() #array([0, 0, 0, 0, 0, 0, 0, 0, 0], dtype=int32)====================================================================== 2.極值： x = np.array([1, 3, 2]) x.min() # 1 x.max() # 3x.argmin() # 最小值索引# 0 x.argmax() # index of maximum # 1====================================================================== 3.統計： x = np.array([1, 2, 3, 1]) y = np.array([[1, 2, 3], [5, 6, 1]])y.mean() #3.0 y.mean(axis=0) #array([3., 4., 2.])最終結果是一個少一維的數組 y.mean(axis=1) #array([2., 4.]) y.mean(axis=-1) #array([2., 4.])np.median(x) # 1.5 np.median(y, axis=-1) # last axis # array([ 2., 5.])x.std() # full population standard dev.# 0.82915619758884995 np.random.seed(3)arr= np.random.randn(5, 4) #正態分布的數據====================================================================== 4.附錄：統計函數

No	函數	說明
1	sum	對數組中全部或某軸元素求和。
2	mean	算術平均數。零長度的數組的mean 為NaN
3	std,var	分別為標準差和方差，自由度可調（默認為n)
4	min,max	最大值和最小值
5	argmin,argmax	分別為最大和最小元素的索引
6	cumsum	所有元素的累計和
7	cumprod	所有元素的累計積

======================================================================

總結

以上是生活随笔為你收集整理的numpy 学习汇总6-统计函数 tcy的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。