运算库之numpy(统计函数运算)

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