NumPy 算术函数:
1,numpy.reciprocal(arr) 返回参数逐个元素的倒数
2,numpy.power(one, two) 将第一个输入数组中的元素作为底数, 计算它与第二个输入数组中相应元素的幂, 即 one^two
3,numpy.mod(x1, x2) 计算输入数组中相应元素的余数, 函数 numpy.remainder(x1, x2) 也产生相同的结果
- import numpy as np
- arr = np.array([[1., 2., 3.], [4., 5., 6.], [7., 8., 9.]])
- print("reciprocal arr:", np.reciprocal(arr))
- print("power by 2:", np.power(arr, 2))
- print("mod by arr.T:", np.mod(arr, arr.T))
- print("remainder by arr.T:", np.remainder(arr, arr.T))
NumPy 统计函数:
1,numpy.amax(a, axis=None, out=None, keepdims=<no value>, initial=<no value>)
和 numpy.max(a, axis=None, out=None, keepdims=<no value>, initial=<no value>)
用于计算数组中的元素沿指定轴的最大值, 若未给定 axis 的值, 则默认选出数组里最大的数
2,numpy.amin() 和 numpy.min() 的格式与上面一样, 其返回最小值
3,numpy.ptp(a, axis=None, out=None, keepdims=<no value>) 计算数组中元素最大值与最小值的差
4,numpy.percentile(a, q, axis) a 表示一个数组对象, q 表示要计算的百分数 (0-100),axis 是轴, 返回大于等于 q% 个数的那个数
5,numpy.median(a, axis=None, out=None, overwrite_input=False, keepdims=False) 计算 a 的中位数
6,numpy.mean(a, axis=None, dtype=None, out=None, keepdims=<no value>) 返回数组中元素的算术平均值.
如果提供了轴, 则沿其计算
7,numpy.average(a, axis=None, weights=None, returned=False) 根据 weights 中给出的各自的权重计算数组中元素的加权平均值,
returned=True 时则返回权重的和, 当 weights.shape != a.shape 时必须指定轴
8,numpy.std(a, axis=None, dtype=None, out=None, ddof=0, keepdims=<no value>) 计算标准差
9,numpy.var(a, axis=None, dtype=None, out=None, ddof=0, keepdims=<no value>) 计算方差
- import numpy as np
- arr = np.array([[1., 2., 3.], [4., 5., 6.], [7., 8., 9.]])
- # numpy.amax(a, axis=None, out=None, keepdims=<no value>, initial=<no value>)
- # numpy.amin(a, axis=None, out=None, keepdims=<no value>, initial=<no value>)
- # numpy.max 和 numpy.min 的格式和上面一样
- print("max:", np.amax(arr, axis=1))
- print("max:", np.max(arr))
- print("min:", np.amin(arr))
- print("min:", np.min(arr, axis=1))
- # numpy.ptp(a, axis=None, out=None, keepdims=<no value>) 计算数组中元素最大值与最小值的差 (最大值 - 最小值)
- print("ptp(arr, axis=0):", np.ptp(arr, axis=0))
- print("ptp(arr, axis=1):", np.ptp(arr, axis=1))
- print("ptp(arr):", np.ptp(arr))
- # numpy.percentile(a, q, axis) a 表示一个对象, q 表示要计算的百分数 (0-100),axis 是轴
- # 选出在数组 arr 里大于等于 50% 数的那个数
- print("percentile(arr, 50):", np.percentile(arr, 50)) # 5.0
- # 按 1 轴选出大于等于 0% 的数的那个数, 即最小值
- # [1. 4. 7.]
- print("percentile(arr, 0, axis=1):", np.percentile(arr, 0, axis=1))
- # 按 1 轴选出大于等于 100% 的数的那个数, 即最大值
- # [3. 6. 9.]
- print("percentile(arr, 100, axis=1):", np.percentile(arr, 100, axis=1))
- # 若所求百分数不能刚好对应数组里的数, 则会在前后两个数之间取平均值
- print(np.percentile(np.array([1., 2., 3., 4., 5., 6.]), 50)) # 3.5
- print(np.percentile(np.array([1., 2., 3., 4., 5., 6.]), 70)) # 4.5
- # numpy.median(a, axis=None, out=None, overwrite_input=False, keepdims=False) 计算 a 的中位数
- print("median(arr, axis=0):", np.median(arr, axis=0)) # [4. 5. 6.]
- print("median(arr, axis=1):", np.median(arr, axis=1)) # [2. 5. 8.]
- # numpy.mean(a, axis=None, dtype=None, out=None, keepdims=<no value>)
- # 返回数组中元素的算术平均值. 如果提供了轴, 则沿其计算
- print("mean(arr):", np.mean(arr)) # 5.0
- print("mean(arr, axis=1):", np.mean(arr, axis=1)) # [2. 5. 8.]
- # numpy.average(a, axis=None, weights=None, returned=False)
- # 根据 weights 中给出的各自的权重计算数组中元素的加权平均值
- # returned=True 则返回权重的和
- # 当 weights.shape != a.shape 时必须指定轴
- print("average:", np.average(arr, axis=1, weights=np.array([1, 2, 3]), returned=True))
- # numpy.std(a, axis=None, dtype=None, out=None, ddof=0, keepdims=<no value>) 计算标准差
- print("std(arr):", np.std(arr)) # 2.581988897471611
- print("std(arr, axis=1):", np.std(arr, axis=1)) # [0.81649658 0.81649658 0.81649658]
- # numpy.var(a, axis=None, dtype=None, out=None, ddof=0, keepdims=<no value>) 计算方差
- print("var(arr):", np.var(arr)) # 6.666666666666667
- print("var(arr, axis=0):", np.var(arr, axis=0)) # [6. 6. 6.]
来源: http://www.bubuko.com/infodetail-3043487.html