📂 目录

  • 统计函数概述
  • 常用统计函数
  • 统计函数的应用
  • 统计函数与多维数组
  • 出站链接
  • 参考资料

🎯 统计函数概述

NumPy 提供了强大的统计函数，能够对数组中的数据进行统计分析。常用的统计函数包括求和、均值、标准差、方差等，这些函数广泛应用于数据分析和科学计算中。

这些统计函数支持数组操作，并能高效处理大规模数据。此外，NumPy 还提供了处理多维数组的统计分析功能，让用户能够轻松地对不同维度的数据进行计算。

🧑‍🏫 常用统计函数

  1. np.sum() – 计算数组元素的总和： arr = np.array([1, 2, 3, 4]) print(np.sum(arr)) # 输出：10
  2. np.mean() – 计算数组元素的均值： print(np.mean(arr)) # 输出：2.5
  3. np.median() – 计算数组元素的中位数： arr = np.array([1, 2, 3, 4, 5]) print(np.median(arr)) # 输出：3.0
  4. np.std() – 计算数组元素的标准差： print(np.std(arr)) # 输出：1.4142135623730951
  5. np.var() – 计算数组元素的方差： print(np.var(arr)) # 输出：2.0
  6. np.min() – 计算数组元素的最小值： arr = np.array([1, 2, 3, 4]) print(np.min(arr)) # 输出：1
  7. np.max() – 计算数组元素的最大值： print(np.max(arr)) # 输出：4
  8. np.argmin() – 返回数组元素最小值的索引： print(np.argmin(arr)) # 输出：0
  9. np.argmax() – 返回数组元素最大值的索引： print(np.argmax(arr)) # 输出：3
  10. np.percentile() – 计算数组中指定百分位的值： arr = np.array([1, 2, 3, 4, 5]) print(np.percentile(arr, 50)) # 输出：3.0

🧑‍🏫 统计函数的应用

统计函数广泛应用于数据分析、机器学习、科学计算等领域。在数据清洗和数据分析中，常常使用这些函数来计算数据的均值、标准差、方差等指标，帮助理解数据的分布和趋势。

arr = np.array([10, 20, 30, 40, 50])

# 计算数据的均值
mean = np.mean(arr)
print("Mean:", mean)  # 输出：Mean: 30.0

# 计算数据的标准差
std_dev = np.std(arr)
print("Standard Deviation:", std_dev)  # 输出：Standard Deviation: 14.142135623730951

🔄 统计函数与多维数组

NumPy 统计函数也支持多维数组，可以通过设置 axis 参数指定计算的维度。例如，可以对二维数组的行或列分别进行统计分析。

arr_2d = np.array([[1, 2, 3], [4, 5, 6]])

# 计算每列的均值
print(np.mean(arr_2d, axis=0))  # 输出：[2.5 3.5 4.5]

# 计算每行的均值
print(np.mean(arr_2d, axis=1))  # 输出：[2. 5.]

🔗 出站链接

📚 参考资料

  • NumPy 官方文档
  • W3Schools Python NumPy 教程
  • GeeksForGeeks 深度讲解
  • 来自：www.52kanjuqing.com