下载掌阅APP，畅读海量书库
立即打开
NumPy提供了很多统计函数，用于从数组中查找最小元素、最大元素、百分位标准差和方差等。
在NumPy中，提供了amin()和amax()函数用于求数组的最小值和最大值，函数的格式为：
numpy.amin()：用于计算数组中的元素沿指定轴的最小值。
numpy.amax()：用于计算数组中的元素沿指定轴的最大值。
【例2-40】 利用amin()和amax()函数分别求数组的最小值和最大值。
运行程序，输出如下：
原始数组:
[[ 2 -10 20]
[ 80 42 31]
[ 22 33 10]]
数组中最小元素：-10
数组中最大元素:80
数组列中最小元素:[ 2 -10 10]
数组列中最大元素:[ 80 42 31]
数组行中最小元素:[-10 31 10]
数组行中最大元素:[ 20 80 33]
numpy.ptp()返回数组某个轴方向的峰间值，即最大值最小值之差。
【例2-41】 利用ptp()函数返回数组的峰间值。
运行程序，输出如下：
原始数组:
[[ 2 -10 20]
[80 42 31]
[22 33 10]]
轴1峰间值:[30 49 23]
轴0峰间值:[78 52 21]
percentile()函数用于计算数组的百分位数，百分位数是统计中使用的度量，表示小于这个值的观察值占总数的百分比。
例如，第80个百分位数是这样一个值，它使得至少有80%的数据项小于或等于这个值，且至少有（100-80）%的数据项大于或等于这个值。函数格式为：
numpy.percentile（input，q，axis）：参数input为输入数组；q为要计算的百分位数，范围为0~100；axis为计算百分位数的轴方向，二维取值0，1。
【例2-42】 利用percentile()函数计算数组的百分位数。
运行程序，输出如下：
数组是:
[[9 7 4]
[10 2 1]]
调用pe r cen t i l e()函数：
5.5
[9.5 4.5 2.5]
[7.2.]
[[7.]
[2.]]
在Num Py中，提供了相应函数用于计算数组的中值、平均值、加权平均值等，格式如下：
numpy.median()：中值是一组数值中，排在中间位置的值，可以指定轴方向。
numpy.mean()：计算数组的平均值，可以指定轴方向。
numpy.average()：计算数组的加权平均值，权重用另一个数组表示，并作为参数传入，可以指定轴方向。
考虑一个数组[1，2，3，4]和相应的权值[4，3，2，1]，通过将对应元素的乘积相加，再除以权值的和来计算加权平均值。
加权平均值=（14+23+32+41）/（4+3+2+1）
【例2-43】 利用相应函数计算数组项的中值、平均值和加权平均值。
运行程序，输出如下：
原始数组:
[[1 4 7]
[2 5 8]
[3 6 9]]
轴0中值:[2.5.8.]
轴0平均值:[2.5.8.]
轴1加权平均值:[7.8.9.]
在NumPy中，提供了std()函数用于计算数组的标准差。标准差是一组数据平均值分散程度的一种度量。标准差是方差的算术平方根。
标准差公式为：std=sqrt（mean（（x-x.mean()）**2））
如果数组是[1，2，3，4]，则其平均值为2.5。因此，差的平方是[2.25，0.25，0.25，2.25]，再求其平均值的平方根除以4，即sqrt（5/4），结果为1.1180339887498949。
在NumPy中，提供了var()函数计算数组中的方差。统计中的方差（样本方差）是每个样本值与全体样本值的平均数之差的平方值的平均数，即mean（（x-x.mean()）**2）。
换句话说，标准差是方差的平方根。
【例2-44】 计算数组的标准差和方差。
import numpy as np
print("数组的标准差:\n")
print(np.s t d([1,4,3,6]))
print("数组的方差:\n")
print(np.s t d([1,4,3,6]))
运行程序，输出如下：
数组的标准差:
1.8027756377319946
数组的方差:
1.8027756377319946