1 算术平均值

数学运算

样本:[s1, s2, ..., sn]

算术平均值 = (s1 + s2 + ... + sn) / n

numpy函数

numpy.mean(样本) -> 算术平均值

2 加权平均值

数学运算

样本:[s1, s2, ..., sn]

权重:[w1, w2, ..., wn]

加权平均值=(s1w1 + s2w2 + ... + snwn) / (w1+w2+...+wn)

numpy函数

numpy.average(样本, weights=权重) -> 加权平均值

3 最大值和最小值

max() - 计算数组中元素的最大值

min() - 计算数组中元素的最小值

maximum() - 计算两个或多个数组对应元素的最大值并构成一个新的数组

minimum() - 计算两个或多个数组对应元素的最小值并构成一个新的数组

import numpy as np
a = np.array([[1,8],
              [3,9]])
b = np.array([[5,7],
              [4,6]])
print(np.maximum(a,b))
# [[5 8]
#  [4 9]]
print(np.minimum(a,b))
# [[1 7]
#  [3 6]]

4 中位数

将多个样本按大小顺序排列,居于中间位置的元素即为中位数。

numpy.median(样本)->中位数

5 标准差

数学运算

样本:S = [s1, s2, ..., sn]

算术平均值:m = (s1+s2+...+sn)/n

离差:D = [s1-m, s2-m, ..., sn-m]

离差方:Q = [(s1-m)^2, (s2-m)^2, ..., (sn-m)^2]

方差:((s1-m)^2+(s2-m)^2+...+(sn-m)^2)/n

标准差:sqrt(((s1-m)^2+(s2-m)^2+...+(sn-m)^2)/n)

numpy函数

numpy.std(S, ddof=非自由样本数)

总体标准差:sqrt(.../n)

样本标准差:sqrt(.../(n-1))

6 元素选取

1) take + where + 掩码

2) [ ] + where+掩码

3) [ ] + 掩码

根据星期统计平均价格

import datetime as dt
import numpy as np

def dmy2wday(dmy):
    dmy = str(dmy, encoding='utf-8')
    date = dt.datetime.strptime(dmy, '%d-%m-%Y').date()
    wday = date.weekday()  # 用0到4表示星期一到星期五
    return wday

wdays, closing_prices = np.loadtxt(
    './aapl.csv', delimiter=',',
    usecols=(1, 6), unpack=True, converters={1: dmy2wday})
ave_closing_prices = np.zeros(5)
# ave_closing_prices.size = 5
for wday in range(ave_closing_prices.size):
    '''
    # 通过take函数从数组中提取与特定下标集合相对应的元素
    ave_closing_prices[wday] = np.take(closing_prices, np.where(wdays == wday)).mean()
    # 通过下标运算符根据特定下标集合选取相对应的元素
    ave_closing_prices[wday] = closing_prices[np.where(wdays == wday)].mean()
    '''
    # 通过下标运算符根据特定掩码数组选取与真值相对应的元素
    ave_closing_prices[wday] = closing_prices[ wdays == wday].mean()
for wday, ave_closing_price in zip(
        ['MON', 'TUE', 'WED', 'THU', 'FRI'], ave_closing_prices):
    print(wday, np.round(ave_closing_price, 2))

运算

MON 351.79
TUE 350.64
WED 352.14
THU 350.9
FRI 350.02

7 轴向扩展

apply_along_axis(函数, 轴向, 参数数组) -> 数组

沿着参数数组的指定轴向向给定函数传递参数,并将其所返回的数组同样沿着指定的轴向组合成一个数组返回。

import numpy as np

def fun(a):
    return a ** 2

a = np.array([
    [1, 2, 3],
    [4, 5, 6],
    [7, 8, 9]])
b = np.apply_along_axis(fun, 0, a)
print(b)
# [[ 1  4  9]
#  [16 25 36]
#  [49 64 81]]
c = np.apply_along_axis(fun, 1, a)
print(c)
# [[ 1  4  9]
#  [16 25 36]
#  [49 64 81]]

numpy的常用函数的更多相关文章

  1. Python之Numpy库常用函数大全(含注释)

    前言:最近学习Python,才发现原来python里的各种库才是大头! 于是乎找了学习资料对Numpy库常用的函数进行总结,并带了注释.在这里分享给大家,对于库的学习,还是用到时候再查,没必要死记硬背 ...

  2. Python之Numpy库常用函数大全(含注释)(转)

    为收藏学习,特转载:https://blog.csdn.net/u011995719/article/details/71080987 前言:最近学习Python,才发现原来python里的各种库才是 ...

  3. numpy.random 常用函数详解之排列乱序篇(Permutations)

    1.numpy.random.shuffle(x) 参数:填入数组或列表. 返回值:无. 函数功能描述:对填入的数组或列表进行乱序处理,shape保持不变. 2.numpy.random.permut ...

  4. numpy.random 常用函数详解之简单随机数篇(Simple random data)

    1.numpy.random.rand(d0,d1,d2,...,dn) 参数:d0,d1,d2,...,dn 须是正整数,用来描述生成随机数组的维度.如(3,2)代表生成3行2列的随机数组. 返回值 ...

  5. numpy模块常用函数解析

    https://blog.csdn.net/lm_is_dc/article/details/81098805 numpy模块以下命令都是在浏览器中输入. cmd命令窗口输入:jupyter note ...

  6. 关于NumPy的常用函数random.randint

    np.random.randint(low, high=None, size=None, dtype='l') 该函数作用:用于产生离散均匀分布的整数 low:生成元素的最小值 high:生成元素的值 ...

  7. Python数据分析--Numpy常用函数介绍(2)

    摘要:本篇我们将以分析历史股价为例,介绍怎样从文件中载入数据,以及怎样使用NumPy的基本数学和统计分析函数.学习读写文件的方法,并尝试函数式编程和NumPy线性代数运算,来学习NumPy的常用函数. ...

  8. 操作 numpy 数组的常用函数

    操作 numpy 数组的常用函数 where 使用 where 函数能将索引掩码转换成索引位置: indices = where(mask) indices => (array([11, 12, ...

  9. numpy常用函数之randn

    numpy中有一些常用的用来产生随机数的函数,randn就是其中一个,randn函数位于numpy.random中,函数原型如下: numpy.random.randn(d0, d1, ..., dn ...

随机推荐

  1. 浅谈压缩感知(十四):傅里叶矩阵与小波变换矩阵的MATLAB实现

    主要内容: 傅里叶矩阵及其MATLAB实现 小波变换矩阵及其MATLAB实现  傅里叶矩阵及其MATLAB实现 傅里叶矩阵的定义:(来源: http://mathworld.wolfram.com/F ...

  2. Ajax:HyperText/URI, HTML, Javascript, frame, frameset, DHTML/DOM, iframe, XMLHttp, XMLHttpRequest

    本文内容 Ajax 诞生 促使 Ajax 产生的 Web 技术演化 真正 Ajax Ajax 与 Web 2.0 Ajax 背后的技术 2008 年毕业,2011 年看了<Ajax 高级程序设计 ...

  3. Android学习之Android studio TraceView和lint工具的使用具体解释

    上次讲述了一下Android studio Terminal的使用配置,今天又学习了一下关于Traceview和lint工具的使用. 首先来讲lint吧: Android lint工具是Android ...

  4. Java并发编程 - 基本概念

    在开始我们的并发编程前,我们必须预热一下,一些基本概念必须了解. 1. 同步(Synchronous) / 异步(Asynchronous) 同步和异步都指一次方法调用. 同步:方法开始后,调用者必须 ...

  5. Invalid volume failure config value: 1

    原因: hdfs-site.xml中的配置为: <property> <name>dfs.datanode.failed.volumes.tolerated</name& ...

  6. 带你走进EJB--将EJB发布为Webservice(4)

    接下来的我们将会自定义一个对象,然后看看EJB是如何对复杂的参数发布成WebService的. 代码如下:在第一个版本的基础之上加上增加用户的方法,参数为User. package com.tgb.e ...

  7. vsphere中虚机的cpu热插拔和内存热添加

    Guest OS对此支持如下: Windows 2008 64-bit Datacenter Edition,它是可以兼容vSphere的hot-add或hot-plug功能的.增加RAM和增加CPU ...

  8. Active Directoty域服务安装

    运行dcpromo命令,打开“Active Directoty域服务安装向导”

  9. github使用入门

    连接地址 github使用入门 连接地址: https://zhuanlan.zhihu.com/p/21193604?refer=passer

  10. snabbdom vdom 框架

    1.snabbdom github地址:https://github.com/snabbdom/snabbdom 2.核心方法 var vnode = h('div#container.two.cla ...