鄙人學(xué)習(xí)筆記，這個筆記以例子為主。
開發(fā)工具：Spyder

---

文章目錄

• • 統(tǒng)計(jì)量
  • • 算數(shù)平均數(shù)
    • 加權(quán)平均值
    • 最值
    • 中位數(shù)
    • 標(biāo)準(zhǔn)差

---

統(tǒng)計(jì)量

算數(shù)平均數(shù)

設(shè)有樣本量為n的樣本:

[x1, x2, ..., xn]

則樣本的算數(shù)平均數(shù)為：

m = (x1 + x2 + ... + xn) / n

相關(guān)函數(shù)：

np.mean(array) array.mean()

• 例子1

代碼：

import numpy as nparray = np.array([1, 2, 3, 4, 5]) m1 = np.mean(array) m2 = array.mean() print(m1, m2)

結(jié)果：

• 例子2

代碼：

import numpy as nparray = np.array([[1, 2, 3, 4, 5],[5, 6, 7, 8, 9]]) m1 = np.mean(array) m2 = np.mean(array, axis = 0) m3 = np.mean(array, axis = 1) print('m1:', m1, 'm2:',m2, 'm3:',m3)

備注：np.mean()方法中，axis = 0表示垂直求均值, axis = 1表示水平求均值，若不設(shè)置axis則是求全部數(shù)據(jù)的均值。

結(jié)果：

加權(quán)平均值

設(shè)有樣本量為n的樣本:

[x1, x2, ..., xn]

有權(quán)重：

[w1, w2, ..., wn]

則加權(quán)平均值為：

m = (x1*w1 + x2*w2 +...+ xn*wn)/(w1 + w2 +...+wn)

相關(guān)函數(shù)：

np.average(array, weights = w_array)

• 例子

代碼：

import numpy as nparray = np.array([1, 2, 3, 4, 5]) w_array = np.array([0.1, 0.2, 0.3, 0.4, 0.5]) m = np.average(array, weights = w_array) print(m)

結(jié)果：

最值

相關(guān)函數(shù)：

#最大值 np.max() #最小值 np.min() #極值 np.ptp()#數(shù)組中最大值下標(biāo) np.argmax() #數(shù)組中最小值下標(biāo) np.argmin()#兩個同維數(shù)組中對應(yīng)元素中最大/最小元素構(gòu)成一個新的數(shù)組 np.maximun() np.minimun()

• 例子1

代碼：

import numpy as np#產(chǎn)生15個介于[10, 100)區(qū)間的隨機(jī)整數(shù) a = np.random.randint(10, 100, 15) print(a) print('最大值:', np.max(a),'最小值:', np.min(a),'極值:', np.ptp(a), '最大值下標(biāo):', np.argmax(a),'最小值下標(biāo):', np.argmin(a))

結(jié)果：

• 例子2

代碼：

import numpy as nparray01 = np.array([1, 2, 3, 4, 5, 6, 7]) array02 = np.array([7, 6, 5, 4, 3, 2,1])print(np.maximum(array01, array02)) print(np.minimum(array01, array02))

結(jié)果：

中位數(shù)

設(shè)有樣本量為n的樣本:

[x1, x2, ..., xn]

將樣本按照大小排序，取中間位置的元素。

若n為奇數(shù)，則中位數(shù)為最中間的元素。
若n為偶數(shù)，中位數(shù)為最中間的兩個元素的平均值

• 例子

代碼：

import numpy as nparray01 = np.array([1, 2, 3, 4, 5, 6, 7]) array02 = np.array([1, 2, 3, 4, 5, 6, 7, 8])print('array01中位數(shù)', np.median(array01), '\n','array02中位數(shù)', np.median(array02))

結(jié)果：

標(biāo)準(zhǔn)差

相關(guān)函數(shù)：

np.std(array) # 總體標(biāo)準(zhǔn)差 np.std(array, ddof=1) # 樣本標(biāo)準(zhǔn)差

• 例子

代碼：

import numpy as nparray = np.array([1, 2, 3, 4, 5, 6, 7])#總體標(biāo)準(zhǔn)差 s01 = np.std(array) #樣本標(biāo)準(zhǔn)差 s02 = np.std(array, ddof=1)print('總體標(biāo)準(zhǔn)差:', s01, '\n','樣本標(biāo)準(zhǔn)差:', s02)

結(jié)果：

創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎勵來咯，堅(jiān)持創(chuàng)作打卡瓜分現(xiàn)金大獎

總結(jié)

以上是生活随笔為你收集整理的numpy基础(part4)--统计量的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。