個人學習筆記！
1、np.max()
作用：找出最大值
>>> import numpy as np
>>> x = np.array([[-1,3,0],[5,2,7]])
>>> x
array([[-1, 3, 0],
[ 5, 2, 7]])
>>> np.max(x)
7
2、np.min()
作用：找出最小值
>>> np.min(x)
-1
3、np.sum()
作用：計算所有元素之和
>>> np.sum(x)
16
4、np.prod()
作用：計算陣列中所有元素之積
>>> np.prod(x)
0
5、np.std()
作用：計算元素的標準差
>>> np.std(x)
2.748737083745107
6、np.var()
作用：計算元素的方差
>>> np.var(x)
7.555555555555556
7、np.mean()
作用：計算元素的平均值
>>> np.mean(x)
2.6666666666666665
8、np.median()
作用：計算元素的中位數
>>> np.median(x)
2.5
9、np.any()
作用：判斷是否存在為真的元素。
>>> np.any(x) #即判斷是否存在不為零的元素。
true
10、np.all()
作用：判斷是否所有元素為真
>>> np.all(x) #即判斷是否所有的元素不為零。
false
1、沿某個維度進行統計
預設情況下，每乙個numpy的統計函式都是對陣列中所有元素進行操作的。我們可以用關鍵字引數axis指定沿著哪個軸進行統計。
>>> import numpy as np
>>> x = np.array([[-1,3,0],[5,2,7]])
>>> x
array([[-1, 3, 0],
[ 5, 2, 7]])
>>> np.min(x,axis=0)#找到每一列的最小值
array([-1, 2, 0])
>>> np.min(x,axis = 1)#找到每一行的最小值
array([-1, 2])
2、選取滿足所給條件的值
這裡涉及到布林操作，僅作簡單介紹。
2.1 布林操作
布林運算子：&(與) 、| (或) 、^(異或) 、 ~(非)，它們是按位運算的，對二進位制的位元位進行邏輯操作。
>>> bin(10) #bin()得到二進位制形式
'0b1010'
>>> bin(6)
'0b110'
>>> 10 & 6
2>>> bin(10 & 6)
'0b10'
2.2 比較操作
比較運算子：>,<,<=,>=,!=,==，對陣列的每乙個元素進行比較操作。
比較操作得到的是布林陣列。
>>> x
array([[-1, 3, 0],
[ 5, 2, 7]])
>>> x>0
array([[false, true, false],
[ true, true, true]])
2.3 用布林陣列作為篩選條件選取符合條件的元素
>>> x
array([[-1, 3, 0],
[ 5, 2, 7]])
>>> x[ (x>0)&(x<6)] #選取大於0且小於6的元素
array([3, 5, 2])
numpy中的常用統計函式
import numpy as np 統計函式 arr np.arange 20 reshape 4,5 print arr arr 求和函式sum axis不設定預設對整個陣列進行求和計算 sum np.sum arr print sum axis 0 沿縱軸 sum 1 np.sum arr,a...
numpy常用函式統計
import numpy as np import pandas as pd np.ceil 向上取整 np.floor 向下取整 np.rint 四捨五入 np.abs 取絕對值 np.negative 元素取反 np.square 平方 np.sqrt 平方根 np.modf 分成小數和整數部分...
numpy統計函式中axis引數的含義
基礎統計函式包括 sum,mean,std,var,min,max,argmin,argmax,cumsum,cumprod 以sum為例 arr array 1,2 3 4 5,6 7,8 9 10 11,12 13,14 15 16 17,18 arr.shape 3 3,2 arr.sum 1...