Numpy统计

Numpy统计
axis=None 是统计函数的标配参数，默认不输入此参数则为对数组每一个元素进行计算，设定轴则对此轴上元素进行计算

1：常用统计函数
.sum(a,axis=None)：数组a求和运算，根据给定轴axis计算数组a相关元素之和，axis整数或元组，轴、维度可以指定
.mean(a,axis=None)：根据给定轴axis计算数组a相关元素的期望（算数平均数），axis整数或元组
.average(a,axis=None,weights=None)：根据给定轴axis计算数组a相关元素的加权平均值，weights加权值，不设为等权重
.var(a,axis=None)：根据给定轴axis计算数组a相关元素的方差，方差：各数与平均数之差的平方的平均数
.std(a,axis=None)：根据给定轴axis计算数组a相关元素的标准差，标准差:方差平方根
import numpy as np

a = np.arange(15).reshape(3,5)
a

np.sum(a) # 所有元素的和

np.mean(a,axis=1) #第2维度（外层0，内层1）的平均值，axis设为1，那么函数只在第2维度进行计算

np.average(a,axis=0,weights=[10,5,1]) #加权平均值，运算第1维度，以第3个值为例：4.1875 = 2*10+7*5+12*1/(10+5+1)

np.var(a) # 方差

np.std(a) # 标准差

---

2：其他统计函数

• min(a,axis=None) max(a,axis=None)：计算数组a中元素的最小值、最大值
• argmin(a,axis=None) argmax(a,axis=None)：计算数组a中元素最小值、最大值的降1维后下标（寻找某元素，得到它的 一维扁平化 后的位置）
• ptp(a,axis=None)：计算数组a中元素最大值与最小值的差
• median(a,axis=None)：计算数组a中元素的中位数（中值）

import numpy as np

b = np.arange(15,0,-1).reshape(3,5)
b

np.max(b) #最大值

np.argmax(b) #一个值，扁平化后的下标

np.ptp(b) #最大值最小值之差

np.median(b) #中位数