本文共 3652 字，大约阅读时间需要 12 分钟。

统计函数 2018/11/22 2018/11/30===================================================================1.函数np.max()是np.amax的别名np.amax(a, axis=None, out=None, keepdims=
   
    , initial=
    
     ) #沿给定轴的数组的最大值,传播任何NaN。np.nanmax(a, axis=None, out=None, keepdims= < novalue >): #沿给定轴的数组的最大值,忽略任何NaN。np.fmax(*args, **kwargs) : #元素最多两个数组,忽略任何NaN。np.maximum(*args, **kwargs) :#元素最多两个数组,传播任何NaN。np.amin/np.min,np.nanmin;np.minimum,np.fmin #最小值 （详解见本人博文'max,amax,nanmax,fmax,maximum的区别'）np.argmax(a,axis = None,out = None ) #返回沿轴首最大值索引；默认索引将放入展平数组中np.ptp(axis=None,out=None) #沿给定轴的峰到峰(最大值-最小值) 值。np.clip(min=None, max=None,out=None ) #返回值限于[min, max] 数组。必须给出最大或最小值之一==================================================================== 2.1取范围a = np.arange(10)np.clip(a,1,8) # array([1, 1, 2, 3, 4, 5, 6, 7, 8, 8]) a # array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) np.clip(a,3,6, out = a)a # array([3, 3, 3, 3, 4, 5, 6, 6, 6, 6]) a = np.arange(10) # array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])np.clip(a, [3,4,1,1,1,4,4,4,4,4],8) # array([3, 4, 2, 3, 4, 5, 6, 7, 8, 8]) # sum,mean 及std等聚合计算通常叫做约简 可做实例方法 , 也可做顶级NumPy 函数使用======================================================================2.2计算总和x = np.array([[1,2], [3,4]])x.sum()#10x.sum(axis= 0) #按列求和 # array([4, 6])x.sum(axis=1) #按行求和 # array([3, 7])x[:,0].sum() #第一列求和 # 4x[0,:].sum() #第一行求和 # (3, 7)# cumsum和cumprod方法不聚合而是产生一个中间结果组成的数组：x.cumsum() #array([ 1, 3, 6, 10], dtype=int32)x.cumsum( 0) #array([[ 1, 2],[ 4, 6]], dtype=int32)x.cumsum(1) #array([[ 1, 3], [ 3, 7]], dtype=int32)x.cumprod() #array([1, 2, 6, 24], dtype=int32)======================================================================2.3.极值：
    
   

x = np.array([1,3,2])x.min() # 1x.max() # 3x.argmin() # 最小值索引# 0x.argmax() # 最大值索引 # 1np.ptp(x) # 2=max-min

from scipy import statsnp.set_printoptions(precision=2,suppress=True)   #设置浮点精度    np.random.seed(1)x= np.random.randn(3, 4) #正态分布的数据wts1 = np.array([4,3,2,1])  #权重    #均值x.mean()                      #-0.1307868067094732x.mean(axis=0)            # array([ 0.94, -1.05,  0.89, -1.3 ])    #加权平均数np.average(x,weights = wts1,axis=1)# array([ 0.25, -0.07,  0.14])u,s=np.average(x,weights =  [3,2,1], returned =  True,axis=0)u                                                      # array([ 1.15, -1.11,  0.56, -1.13])s                                                      # array([6., 6., 6., 6.]))#权重和    #中位数np.median(x)              # -0.3887710638704329np.median(x, axis=1)  # array([-0.57,  0.05,  0.03])    #众数stats.mode(x)[0][0]     # array([ 0.32, -2.3 , -0.53, -2.06])    # 标准差，方差x.std()                        # 1.305546955511153np.var(x)                    # 1.7044528530444403    np.set_printoptions(precision=8,suppress=False)   #恢复默认设置

======================================================================

转载地址：https://chunyou.blog.csdn.net/article/details/84642573 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！