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.]

NumPy 学习笔记(四)的更多相关文章

  1. NumPy学习笔记 三 股票价格

    NumPy学习笔记 三 股票价格 <NumPy学习笔记>系列将记录学习NumPy过程中的动手笔记,前期的参考书是<Python数据分析基础教程 NumPy学习指南>第二版.&l ...

  2. NumPy学习笔记 二

    NumPy学习笔记 二 <NumPy学习笔记>系列将记录学习NumPy过程中的动手笔记,前期的参考书是<Python数据分析基础教程 NumPy学习指南>第二版.<数学分 ...

  3. NumPy学习笔记 一

    NumPy学习笔记 一 <NumPy学习笔记>系列将记录学习NumPy过程中的动手笔记,前期的参考书是<Python数据分析基础教程 NumPy学习指南>第二版.<数学分 ...

  4. numpy 学习笔记

    numpy 学习笔记 导入 numpy 包 import numpy as np 声明 ndarray 的几种方法 方法一,从list中创建 l = [[1,2,3], [4,5,6], [7,8,9 ...

  5. Numpy学习笔记(下篇)

    目录 Numpy学习笔记(下篇) 一.Numpy数组的合并与分割操作 1.合并操作 2.分割操作 二.Numpy中的矩阵运算 1.Universal Function 2.矩阵运算 3.向量和矩阵运算 ...

  6. Numpy学习笔记(上篇)

    目录 Numpy学习笔记(上篇) 一.Jupyter Notebook的基本使用 二.Jpuyter Notebook的魔法命令 1.%run 2.%timeit & %%timeit 3.% ...

  7. C#可扩展编程之MEF学习笔记(四):见证奇迹的时刻

    前面三篇讲了MEF的基础和基本到导入导出方法,下面就是见证MEF真正魅力所在的时刻.如果没有看过前面的文章,请到我的博客首页查看. 前面我们都是在一个项目中写了一个类来测试的,但实际开发中,我们往往要 ...

  8. IOS学习笔记(四)之UITextField和UITextView控件学习

    IOS学习笔记(四)之UITextField和UITextView控件学习(博客地址:http://blog.csdn.net/developer_jiangqq) Author:hmjiangqq ...

  9. java之jvm学习笔记四(安全管理器)

    java之jvm学习笔记四(安全管理器) 前面已经简述了java的安全模型的两个组成部分(类装载器,class文件校验器),接下来学习的是java安全模型的另外一个重要组成部分安全管理器. 安全管理器 ...

  10. Learning ROS for Robotics Programming Second Edition学习笔记(四) indigo devices

    中文译著已经出版,详情请参考:http://blog.csdn.net/ZhangRelay/article/category/6506865 Learning ROS for Robotics Pr ...

随机推荐

  1. bzoj 1370 Gang团伙

    题目大意: 在某城市里住着n个人,任何两个认识的人不是朋友就是敌人,满足 1. 我朋友的朋友是我的朋友 2. 我敌人的敌人是我的朋友 所有是朋友的人组成一个团伙 告诉你关于这n个人的m条信息,即某两个 ...

  2. 洛谷 P1965 转圈游戏 —— 快速幂

    题目:https://www.luogu.org/problemnew/show/P1965 居然真的就只是 ( x + m * 10k % n ) % n 代码如下: #include<ios ...

  3. Linux 进程间通讯方式 pipe()函数 (转载)

    转自:http://blog.csdn.net/ta893115871/article/details/7478779 Linux 进程间通讯方式有以下几种: 1->管道(pipe)和有名管道( ...

  4. 基于CentOS7.5的 Rsync 服务详解

    第1章 Rsync概述 1.1 Rsync基本概述 rsync是一款开源的备份工具,可以在不同服务器(主机)之间进行同步备份, 可实现完全备份与增量备份,因此非常适合用于架构集中式备份或异地备份等应用 ...

  5. E20171106-hm

    pulldown   adj. 折叠式的; pulldown menu 下拉菜单

  6. Akka源码分析-Cluster-DistributedData

    上一篇博客我们研究了集群的分片源码,虽然akka的集群分片的初衷是用来解决actor分布的,但如果我们稍加改造就可以很轻松的开发出一个简单的分布式缓存系统,怎么做?哈哈很简单啊,实体actor的id就 ...

  7. git stash 切换分支以后 恢复

    场景: 我在A分支开发 突然要去B分支改东西 但是A分支还没开发完 B又比较着急 又不想提交A 但是不提交又切换不到B 于是就发现有个git stash 将当前修改(未提交的代码)存入缓存区,切换分支 ...

  8. Authorization 头信息为空的解决方案

    在 Apache配置添加SetEnvIf Authorization "(.*)" HTTP_AUTHORIZATION=此次问题完美解决.

  9. 折半枚举(双向搜索)poj27854 Values whose Sum is 0

    4 Values whose Sum is 0 Time Limit: 15000MS   Memory Limit: 228000K Total Submissions: 23757   Accep ...

  10. 377 Combination Sum IV 组合之和 IV

    Given an integer array with all positive numbers and no duplicates, find the number of possible comb ...