列举一些NumPy数组可用的统计方法

在本文中，我们将向您展示NumPy库在Python中的一些统计方法的列表。

统计学 是处理收集和分析数据的学科。它描述了收集样本、描述数据和推断数据的方法。NumPy是科学计算的核心包，因此NumPy统计函数与之配套使用。

NumPy 具有许多可用于进行统计数据分析的函数。让我们在这里讨论其中的一些。

numpy.amin()和numpy.amax()

这些函数返回给定数组中沿指定轴的元素的最小值和最大值。

示例

import numpy as np

# input array
inputArray = np.array([[2,6,3],[1,5,4],[8,12,9]])
print('Input Array is:')
print(inputArray)

# Printing new line
print()
print("Minimum element in an array:", np.amin(inputArray))
print()
print("Maximum element in an array:", np.amax(inputArray))
print()
print('Minimum element in an array among axis 0(rows):')
print(np.amin(inputArray, 0))
print('Minimum element in an array among axis 1(columns):')
print(np.amin(inputArray, 1))
print()
print('Maximum element in an array among axis 0(rows):')
print(np.amax(inputArray, 0))
print()
print('Maximum element in an array among axis 1(columns):')
print(np.amax(inputArray, axis=1))
print()

输出

在执行上述程序时，将生成以下输出 –

Input Array is:
[[ 2  6  3]
 [ 1  5  4]
 [ 8 12  9]]

Minimum element in an array: 1

Maximum element in an array: 12

Minimum element in an array among axis 0(rows):
[1 5 3]
Minimum element in an array among axis 1(columns):
[2 1 8]

Maximum element in an array among axis 0(rows):
[ 8 12  9]

Maximum element in an array among axis 1(columns):
[ 6  5 12]

numpy.ptp()

示例

numpy.ptp() 函数返回沿轴的值的范围（最大值-最小值）。ptp() 是 peak-to-peak 的缩写。

import numpy as np

# input array
inputArray = np.array([[2,6,3],[1,5,4],[8,12,9]])
print('Input Array is:')
print(inputArray)
print()
print('The peak to peak(ptp) values of an array')
print(np.ptp(inputArray))
print()
print('Range (maximum-minimum) of values along axis 1(columns):')
print(np.ptp(inputArray, axis = 1))
print()
print('Range (maximum-minimum) of values along axis 0(rows):')
print(np.ptp(inputArray, axis = 0))

输出

执行上述程序后，将生成以下输出 –

Input Array is:
[[ 2  6  3]
 [ 1  5  4]
 [ 8 12  9]]

The peak to peak(ptp) values of an array
11

Range (maximum-minimum) of values along axis 1(columns):
[4 4 4]

Range (maximum-minimum) of values along axis 0(rows):
[7 7 6]

numpy.percentile()

百分位数（或百分点）是一种在统计学中使用的度量，它表示观察值组中有给定百分比的观测值低于其下的值。

该函数计算出给定轴上数据的第n个百分位数。

语法

numpy.percentile(a, q, axis)

参数

示例

import numpy as np 

# input array
inputArray = np.array([[20,45,70],[30,25,50],[10,80,90]])  
print('Input Array is:') 
print(inputArray)  
print()  
print('Applying percentile() function to print 10th percentile:')
print(np.percentile(inputArray, 10))
print()  
print('10th percentile of array along the axis 1(columns):')
print(np.percentile(inputArray, 10, axis = 1))
print() 
print('10th percentile of array along the axis 0(rows):')
print(np.percentile(inputArray, 10, axis = 0))

输出

执行上述程序后将生成以下输出-

Input Array is:
[[20 45 70]
 [30 25 50]
 [10 80 90]]

Applying percentile() function to print 10th percentile:
18.0

10th percentile of array along the axis 1(columns):
[25. 26. 24.]

10th percentile of array along the axis 0(rows):
[12. 29. 54.]

numpy.median()

中位数是指将数据样本的较高一半与较低一半分开的值。

numpy.median()函数用于计算多维数组或一维数组的中位数。

示例

import numpy as np 

# input array
inputArray = np.array([[20,45,70],[30,25,50],[10,80,90]])  
print('Input Array is:') 
print(inputArray)  
print()  

# printing the median of an array 
print('Median of an array:')
print(np.median(inputArray))
print()   
print('Median of array along the axis 0(rows):')
print(np.median(inputArray, axis = 0) )
print()  
print('Median of array along the axis 1(columns):')
print(np.median(inputArray, axis = 1))

输出

执行上述程序后，将生成以下输出-

Input Array is:
[[20 45 70]
 [30 25 50]
 [10 80 90]]

Median of an array:
45.0

Median of array along the axis 0(rows):
[20. 45. 70.]

Median of array along the axis 1(columns):
[45. 30. 80.]

numpy.mean()

算术平均值是沿着一个轴的元素之和除以元素的个数。

numpy.mean() 函数返回数组中元素的算术平均值。如果指定了轴，则沿该轴计算。

示例

import numpy as np 

# input array
inputArray = np.array([[20,45,70],[30,25,50],[10,80,90]])  
print('Input Array is:') 
print(inputArray)  
print()  

# printing the mean of an array 
print('Mean of an array:')
print(np.mean(inputArray))
print()   
print('Mean of an array along the axis 0(rows):')
print(np.mean(inputArray, axis = 0) )
print() 
print('Mean of an array along the axis 1(columns):')
print(np.mean(inputArray, axis = 1))

输出

在执行时，上述程序将生成以下输出 –

Input Array is:
[[20 45 70]
 [30 25 50]
 [10 80 90]]

Mean of an array:
46.666666666666664

Mean of an array along the axis 0(rows):
[20. 50. 70.]

Mean of an array along the axis 1(columns):
[45. 35. 60.]

numpy.average()

numpy.average()函数计算多维数组沿轴的加权平均值，其中权重由另一个数组指定。

此函数可以有一个轴参数。如果未指定轴，则将对数组进行扁平化处理。

示例

import numpy as np 

# input array
inputArray = np.array([1,2,3,4])  
print('Input Array is:') 
print(inputArray)  
print()  

# printing the average of all elements in an array
print('Average of all elements in an array:')
print(np.average(inputArray))
print()  

输出

执行上面的程序后，将会生成以下输出 –

Input Array is:
[1 2 3 4]

Average of all elements in an array:
2.5

标准差和方差

标准差

标准差是平均偏差平方根。标准差的公式如下 −

std = sqrt(mean(abs(x - x.mean())**2))

如果数组是[1, 2, 3, 4]，那么它的平均值是2.5。因此，它的平方偏差是[2.25, 0.25, 0.25, 2.25]，其平方根除以4，即sqrt(5/4)为1.1180339887498949。

方差

方差是平方偏差的平均值，即 mean(abs(x – x.mean())2)** 。换句话说，标准差是方差的平方根。

示例

import numpy as np 
# input array
inputArray= [1,2,3,4]

# printing the standard deviation of array
print("Input Array =",inputArray)
print("Standard deviation of array = ", np.std(inputArray))

# printing the variance of array
print("Variance of array = ", np.var(inputArray))

输出

在执行上述程序时，将生成以下输出 –

Input Array = [1, 2, 3, 4]
Standard deviation of array =  1.118033988749895
Variance of array =  1.25

结论

通过使用示例，本文介绍了一些用于Numpy数组的统计方法。