1.Numpy的统计函数介绍
1.最大值API：
方式一：np.max(a, axis=None)
a：需要传入一个n维数组
axis：指定对哪个轴作变换
return：如果是一维数组的话，返回一个数字。如果是n维数组的话，返回n-1维数组。
注意：以下的所有函数的参数解释和该函数的解释相同。
方式二：ndarray.max(axis=None)
axis：指定对哪个轴作变换
return：如果是一维数组的话，返回一个数字。如果是n维数组的话，返回n-1维数组。
2.最小值API
方式一：np.min(a, axis=None)
方式二：ndarray.min(axis=None)
3.平均值API
方式一：np.mean(a, axis=None)
方式二：ndarray.mean(axis=None)
4.中位数API
方式一：np.median(a, axis=None)
注意：ndarray的方法中不存在中位数方法。因此中位数只能通过np.median()的方式来求解。
4.方差API
方式一：np.var(a, axis=None)
方式二：ndarray.var(axis=None)
5.标准差API
方式一：np.std(a, axis=None)
方式二：ndarray.std(axis=None)
2.Numpy的返回最大值和最小值位置的API
1.最大值位置：
方式一：np.argmax(a, axis=None)
方式二：ndarray(axis=None)
2.最小值位置：
方式一：np.argmin(a, axis=None)
方式二：ndarray(axis=None)
3.值得注意的就是，axis参数的设定让我们非常的头疼，以下是axis轴设置的解释说明。
1.axis参数是与数组的shape是有关的。当axis=0时，代表的shape元组的第一位。因此不仅可以采用正向索引值，也可以采用反向索引值。
2.以二维数组为例，当axis=0时，代表的是对行进行操作。当axis=1时，代表对列进行操作。以对行进行操作为例，我们可以把其比作是一把梳子，当我们对行进行梳理的时候，我们只剩下了列数。
3.当我们实在分不清楚的时候，我们可以把参数都尝试一下。毕竟大多数情况下我们都接触的是二维数据。只有0和1两个参数选用。
import numpy as np
创建数据
np.random.seed(22)
data = np.random.uniform(-1, 2, size=100).reshape((20, 5))
print('data:\n', data)
求取行最小值
print('最小值：')
print('方法一：\n',np.min(data, axis=1))
print('方法二：\n',data.min(axis=1))
求取行最大值
print('最大值：')
print('方法一：\n',np.max(data, axis=1))
print('方法二：\n',data.max(axis=1))
求取行均值
print('均值：')
print('方法一：\n',np.mean(data, axis=1))
print('方法二：\n',data.mean(axis=1))
求取行中位数
print('中位数：')
print('方法一：\n',np.median(data, axis=1))
print('方法二：\n',data.median(axis=1))
求取行方差
print('方差：')
print('方法一：\n',np.var(data, axis=1))
print('方法二：\n',data.var(axis=1))
求取行标准差
print('标准差：')
print('方法一：\n',np.std(data, axis=1))
print('方法二：\n',data.std(axis=1))
获取行最大值的位置
print('最大值的位置：')
print('方法一：\n', np.argmax(data, axis=1))
print('方法二：\n', data.argmax(axis=1))
获取行最小值的位置
print('最小值的位置：')
print('方法一：\n', np.argmin(data, axis=1))
print('方法二：\n', np.argmin(data, axis=1))
输出：
data:
[[-0.37461839 0.44504319 0.26161411 1.577546 -0.48651534]
[ 0.01659188 -0.1884015 1.07312405 -0.33878645 1.43585276]
[-0.96841938 0.68361109 1.44117856 1.23530089 -0.43266593]
[-0.9815774 1.31613161 1.8734965 1.10581365 -0.1072652 ]
[ 1.30397823 1.06465497 0.16155044 0.84561748 0.28266572]
[ 0.75286893 1.10790656 -0.66431448 1.76980978 1.96665882]
[ 1.03223232 1.38549433 -0.91277095 -0.46672279 1.62478324]
[ 1.23479623 0.52427049 -0.61499829 0.45285272 0.54732046]
[-0.06620601 -0.86301537 0.31304198 -0.71234617 -0.86436966]
[ 1.05448616 1.54757224 -0.62437845 -0.61280798 0.41918001]
[-0.40732447 1.34486825 0.82224159 0.33050028 1.94608733]
[ 1.12686624 -0.34380875 -0.49753511 0.61629642 -0.05973764]
[ 1.73461099 -0.74123296 -0.05777791 -0.34258791 1.20999869]
[ 1.48562109 1.23369339 -0.46738889 1.57535959 -0.98346276]
[ 0.07292951 1.85944475 1.82532916 -0.93085296 1.01904799]
[-0.507657 0.70439711 -0.27363113 -0.52643226 0.51068846]
[ 0.71538544 0.40985724 0.52450172 -0.02874517 1.65949507]
[-0.24449347 1.58626344 0.90558857 1.09166954 -0.90863922]
[ 0.97193391 1.99796726 0.51963643 1.79793725 0.32240861]
[-0.39991405 1.4115607 1.42301618 -0.82614139 1.37091811]]
最小值：
方法一：
[-0.48651534 -0.33878645 -0.96841938 -0.9815774 0.16155044 -0.66431448
-0.91277095 -0.61499829 -0.86436966 -0.62437845 -0.40732447 -0.49753511
-0.74123296 -0.98346276 -0.93085296 -0.52643226 -0.02874517 -0.90863922
0.32240861 -0.82614139]
方法二：
[-0.48651534 -0.33878645 -0.96841938 -0.9815774 0.16155044 -0.66431448
-0.91277095 -0.61499829 -0.86436966 -0.62437845 -0.40732447 -0.49753511
-0.74123296 -0.98346276 -0.93085296 -0.52643226 -0.02874517 -0.90863922
0.32240861 -0.82614139]
最大值：
方法一：
[1.577546 1.43585276 1.44117856 1.8734965 1.30397823 1.96665882
1.62478324 1.23479623 0.31304198 1.54757224 1.94608733 1.12686624
1.73461099 1.57535959 1.85944475 0.70439711 1.65949507 1.58626344
1.99796726 1.42301618]
方法二：
[1.577546 1.43585276 1.44117856 1.8734965 1.30397823 1.96665882
1.62478324 1.23479623 0.31304198 1.54757224 1.94608733 1.12686624
1.73461099 1.57535959 1.85944475 0.70439711 1.65949507 1.58626344
1.99796726 1.42301618]
均值：
方法一：
[ 0.28461391 0.39967615 0.39180105 0.64131983 0.73169337 0.98658592
0.53260323 0.42884832 -0.43857905 0.35681039 0.80727459 0.16841623
0.36060218 0.56876448 0.76917969 -0.01852696 0.65609886 0.48607777
1.12197669 0.59588791]
方法二：
[ 0.28461391 0.39967615 0.39180105 0.64131983 0.73169337 0.98658592
0.53260323 0.42884832 -0.43857905 0.35681039 0.80727459 0.16841623
0.36060218 0.56876448 0.76917969 -0.01852696 0.65609886 0.48607777
1.12197669 0.59588791]
中位数：
方法一：
[ 0.26161411 0.01659188 0.68361109 1.10581365 0.84561748 1.10790656
1.03223232 0.52427049 -0.71234617 0.41918001 0.82224159 -0.05973764
-0.05777791 1.23369339 1.01904799 -0.27363113 0.52450172 0.90558857
0.97193391 1.37091811]
方差：
方法一：
[0.54543349 0.51302199 0.88555673 1.07671196 0.19560818 0.8737594
1.05153373 0.35257701 0.22799763 0.76228931 0.657738 0.37542858
0.89858671 1.15580269 1.14828782 0.27299646 0.31145659 0.8464218
0.44978358 0.99278479]
方法二：
[0.54543349 0.51302199 0.88555673 1.07671196 0.19560818 0.8737594
1.05153373 0.35257701 0.22799763 0.76228931 0.657738 0.37542858
0.89858671 1.15580269 1.14828782 0.27299646 0.31145659 0.8464218
0.44978358 0.99278479]
标准差：
方法一：
[0.73853469 0.71625553 0.94104024 1.03764732 0.44227613 0.93475098
1.02544319 0.59378195 0.47749097 0.87309181 0.81101048 0.61272227
0.94793813 1.07508264 1.07158192 0.52249063 0.55808296 0.92001185
0.67065907 0.99638586]
方法二：
[0.73853469 0.71625553 0.94104024 1.03764732 0.44227613 0.93475098
1.02544319 0.59378195 0.47749097 0.87309181 0.81101048 0.61272227
0.94793813 1.07508264 1.07158192 0.52249063 0.55808296 0.92001185
0.67065907 0.99638586]
最大值的位置：
[3 4 2 2 0 4 4 0 2 1 4 0 0 3 1 1 4 1 1 2]
最大值的位置：
[3 4 2 2 0 4 4 0 2 1 4 0 0 3 1 1 4 1 1 2]
最小值的位置：
[4 3 0 0 2 2 2 2 4 2 0 2 1 4 3 3 3 4 4 3]
学习地址：
黑马程序员Python教程，4天快速入门Python数据挖掘，系统精讲+实战案例_哔哩哔哩_bilibili
Original: https://blog.csdn.net/cai_niao_lu/article/details/121933527
Author: cai_niao_lu
Title: 运算库之numpy(统计函数运算)
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/762424/
转载文章受原作者版权保护。转载请注明原作者出处！