python numpy常用的数学和统计函数

numpy模块的核心就是基于数组的运算，相比于列表和其他数据结构，数组的运算效率是最高的。在统计分析和挖掘过程中，经常会使用到numpy模块的函数，以下是常用的数学函数和统计函数：

常数p就是圆周率  3.1415926...

常数e ：2.71828...

np.fabs(arr)   例如：np.fabs(-3)   输出：3.0

np.ceil(arr)  例如：np.ceil(3.2)   输出：4.0   并非四舍五入操作

np.floor(arr)  类似ceil  向下取整

np.round(arr)  四舍五入  例如：np.round(3.4)  输入：3.0    输出的还是浮点型数据，并非整型

np.fmod(arr1,arr2) 求余，对arr1，arr2并没有要求要整数,如np.fmod(3.9,3.8)  结果是：0.1000000

np.modf(arrj)   返回数组元素的小数部分和整数部分  如：arr1 = np.array([3.21,4.1,5.2])    print(np.modf(arr1))   输出如下：

(array([0.31, 0.1 , 0.2 ]), array([2., 4., 5.]))

np.sqrt(arr)  计算各元素的算数平方根，这个元素可以是具体的数值，也可以是数组，例如：print(np.sqrt(arr1))  out:

[1.51986842 2.02484567 2.28035085]

np.square(arr)  用法同np.sqrt(arr)  计算各元素的平方值

np.power(arr,α) 表示arr的α次方   也就是说  其实 np.power 可以包括 aqrt square exp

如：

import numpy as np
arr1 = np.array([2.31,4.1,5.2])
print(np.power(arr1,0.5))
print(np.sqrt(arr1))

print(np.exp(arr1))
print(np.power(np.e,arr1))

print(np.power(arr1,2))

print(np.square(arr1))

out：

[1.51986842 2.02484567 2.28035085]
[1.51986842 2.02484567 2.28035085]
[ 10.07442466  60.3402876  181.27224188]
[ 10.07442466  60.3402876  181.27224188]
[ 5.3361 16.81   27.04  ]
[ 5.3361 16.81   27.04  ]

常用统计函数：

统计函数绝大部分都是有axis参数，该参数的目的就是在统计数组元素时需要按照不同的轴方向计算，如果axis = 1，计算各行的统计值，axis = 0，计算各列

的统计值。

例如：

import numpy as np

arr2 = np.arange(9).reshape(3,3)

print(np.sum(arr2,axis = 0))    #统计二维数组垂直方向各项的值的和

print(np.sum(arr2,axis = 1))   #统计二维数组横向方向各项的值的和

out:

[ 9 12 15]
[ 3 12 21]

示例2：

import numpy as np
arr2 = np.arange(9).reshape(3,3)
print('输入arr2用于对比：\n',arr2)
print('....分割线....')
print(np.min(arr2,axis = 0))
print(np.max(arr2,axis = 1))
print(np.mean(arr2,axis = 0))
print(np.median(arr2,axis = 1))
print(np.sum(arr2,axis =0))
print(np.std(arr2,axis =0))
print(np.var(arr2,axis=0)) #方差 也就是差的平方了
print(np.cumsum(arr2,axis = 0)) #累计和 可以通过结果的值 如：3，5，7的得来是 0+3 1+4 2+5
print(np.cumprod(arr2,axis =0)) #跟累加处理方式类似，一个个剩下来
print(np.argmax(arr2,axis = 0 )) #这里反馈的是按照轴方向返回的最大值的位置，并不是最大值

输入arr2用于对比：
 [[0 1 2]
 [3 4 5]
 [6 7 8]]
....分割线....
[0 1 2]
[2 5 8]
[3. 4. 5.]
[1. 4. 7.]
[ 9 12 15]
[2.44948974 2.44948974 2.44948974]
[6. 6. 6.]
[[ 0  1  2]
 [ 3  5  7]
 [ 9 12 15]]
[[ 0  1  2]
 [ 0  4 10]
 [ 0 28 80]]
[2 2 2]

 特意没隔开，自己慢慢看吧   皮尔逊相关系数，协方差，后面再理解