欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

NumPy 学习笔记(四)

程序员文章站 2023-10-31 22:14:52
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 ......

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,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.]