第六章. 图解数组计算模块NumPy—NumPy常用统计分析函数
第六章. 图解数组计算模块NumPy
6.5 NumPy常用统计分析函数
NumPy中包含了大量的数学运算的函数。
1.NumPy的运算函数及说明：
| 函数 | 说明 |
|---|---|
| add() | 数组的加 |
| subtract() | 数组的减 |
| sultiply() | 数组的乘 |
| divide() | 数组的除 |
| abs() | 取数组中各元素的绝对值 |
| sqrt() | 计算数组中各元素的平方根 |
| square() | 计算数组中各元素的平方 |
| log() | 计算数组中各元素的自然对数 |
| log10() | 计算数组中各元素以10为底的对数 |
| log2() | 计算数组中各元素以2为底的对数 |
| reciprocal() | 计算数组中各元素的倒数 |
| power() | 第一个数组中的元素作为底数，第二个数组中的元素作为第一组元素的幂 |
| mod() | 计算数组之间相应元素相除后的余数 |
| around() | 计算数组中各元素指定小数位数的四舍五入值 |
| ceil() | 计算数组中各元素向上取整 |
| floor() | 计算数组中各元素向下取整 |
| sin() | 计算数组中角度的正弦值 |
| cos() | 计算数组中角度的余弦值 |
| tan() | 计算数组中角度的正切值 |
| arcsin() | 计算数组中角度的反正弦值，返回值以弧度为单位 |
| arccos() | 计算数组中角度的反余弦值，返回值以弧度为单位 |
| arctan() | 计算数组中角度的反正切值，返回值以弧度为单位 |
| degrees() | 弧度转换为角度 |
| modf() | 将数组中各元素的小数和整数部分分割为两个独立的数组 |
| exp() | 计算数组中各元素的指数值 |
| sign() | 计算数组中各元素的符号值，例如-3(-)，0，+3(+) |
| maximum()、fmax() | 计算数组元素的最大值 |
| minimum()、fmin() | 计算数组元素的最小值 |
| copysign(a,b) | 将数组b中各元素的符号赋值给与元素a对应的元素 |
2.几种常用的数学运算函数：
1).算术函数：（加、减、乘、除、倒数、求幂、取余）
import numpy as np
# 1.算术函数
n1 = np.arange(6).reshape(2, 3)
n2 = np.arange(6, 12).reshape(2, 3)
# 加
n = np.add(n1, n2)
# 减
n = np.subtract(n1, n2)
# 乘
n = np.multiply(n1, n2)
# 除
n = np.divide(n1, n2)
# 倒数
n1 = np.arange(1, 7, dtype=float).reshape(2, 3)
n = np.reciprocal(n1) # 分母不能为0
# 求幂
n1 = np.arange(6).reshape(2, 3)
n2 = np.arange(6).reshape(2, 3)
n = np.power(n1, n2)
#取余
n1=np.random.randint(1,10,size=(2,3))
n2=np.random.randint(1,10,size=(2,3))
n=np.mod(n1,n2)
2).舍入函数：
import numpy as np
# 1.舍入函数
n1 = np.array([1.1, 2.5, 3.9])
# around函数：四舍五入
n = np.around(n1)
# ceil函数：向上取整
n = np.ceil(n1)
# floor函数：向下取整
n = np.floor(n1)
3).三角函数：
import numpy as np
# 正弦函数
n1 = np.arange(0, 100, 30)
sin = np.sin(n1 * np.pi / 180) # 角度转换为弧度
inv = np.arcsin(sin) # 角度的反正弦，输出对应的弧度制
deg = np.degrees(inv) # 弧度转换成角度
3.统计分析的函数及说明：
| 函数 | 说明 |
|---|---|
| sum() | 对数组中的元素或某行某列的元素求和 |
| cumsum() | 所有数组元素累计求和 |
| cumprod() | 所有数组元素累计求积 |
| mean() | 计算平均值 |
| min() | 计算数组的最小值 |
| max() | 计算数组的最大值 |
| average() | 计算加权平均值 |
| median() | 计算数组中元素的中位数 |
| var() | 计算方差 |
| std() | 计算标准差 |
| eg() | 对数组第二维度的数据求平均 |
| argmin() | 计算数组最小值的下标 |
| argmax() | 计算数组最大值的下标 |
| unravel_index() | 根据数组形状将一维下标转换成多维下标 |
| ptp() | 计算数组最大值与最小值的差 |
4.几种常用的统计分析函数：
1).示例：（求和，求均值，最大值，最小值，加权均值，中位数，方差，标准差）
import numpy as np
n1 = np.arange(6).reshape(2, 3)
# 求和：sum
n = np.sum(n1) # 数组元素求和
n = np.sum(n1, axis=0) # 按行求和
n = np.sum(n1, axis=1) # 按列求和
# 求均值：mean
n = np.mean(n1)
n = np.mean(n1, axis=0) # 按行求均值
n = np.mean(n1, axis=1) # 按列求均值
# 最大值：max
n = np.max(n1)
n = np.max(n1, axis=0) # 按行求均值
n = np.max(n1, axis=1) # 按列求均值
# 最小值：min
n = np.min(n1)
n = np.min(n1, axis=0) # 按行求均值
n = np.min(n1, axis=1) # 按列求均值
# 加权均值：average
n1 = np.arange(1, 6)
n2 = n1.copy()
n = np.average(n1, weights=n2)
# 中位数：median
n1 = np.random.randint(1, 100, 7)
n = np.median(n1)
# 方差：var
n1 = np.random.randint(1, 10, 7)
n = np.var(n1)
# 标准差：std
n1 = np.random.randint(1, 10, 7)
n = np.std(n1)
5.数组的排序：
对数组元素进行排序。
1).sort函数：
使用soft函数进行排序，参数axis指定按行排序还是按列排序
import numpy as np
n1 = np.random.randint(20, size=(2, 3))
# sort排序
n = np.sort(n1) # 数组排序(默认按列排序)
n = np.sort(n1, axis=0) # 按行排序
n = np.sort(n1, axis=1) # 按列排序
2).argsort函数：
使用argsort函数对数组进行排序，返回升序排序之后数组的索引值。
import numpy as np
n1 = np.random.randint(20, size=(2, 3))
# argsort排序
n = np.argsort(n1) # 数组排序(默认按列排序)
n = np.argsort(n1, axis=0) # 按行排序
n = np.argsort(n1, axis=1) # 按列排序
3).lexsort函数：
用于对多个序列进行排序，返回排序之后数组的索引值，可以把他当作是对电子表格进行排序，每一列代表一个序列，排序时优先照顾靠后的列。
import numpy as np
# 某高校，根据总成绩录取学生，当总成绩相同时，数学成绩高的优先录取，当总成绩，数学成绩相同时，英语成绩高的优先录取
math = np.random.randint(80, 150, 5)
english = np.random.randint(80, 150, 5)
total_score = np.random.randint(615, 620, 5)
sort = np.lexsort((english, math, total_score))#排序后的索引值
n = np.array([[english[i], math[i], total_score[i]] for i in sort])#排序后的数组