标签:std 记录 用法 print np mean numpy axis
1.numpy.mean()
mean()函数功能:求取均值
经常操作的参数为axis,以m * n矩阵举例:
- axis 不设置值,对 m*n 个数求均值,返回一个实数
- axis = 0:压缩行,对各列求均值,返回 1* n 矩阵
- axis =1 :压缩列,对各行求均值,返回 m *1 矩阵
import numpy as np a = np.array([[1, 2], [3, 4]]) print(a) print(type(a)) print(np.mean(a)) print(np.mean(a, axis=0)) # axis=0,计算每一列的均值 print(np.mean(a, axis=1)) # axis = 1计算每一行的均值
output:
[[1 2] [3 4]] <class 'numpy.ndarray'> 2.5 [2. 3.] [1.5 3.5]
2. numpy.
std
()
这个函数是用来求标准差的。axis=0时,表示求每一列标准差,axis=1时,表示求每一行标准差,当axis=None时,表示求全局标准差。
其次numpy计算的为总体标准偏差,即当ddof=0时,计算有偏样本标准差;一般在拥有所有数据的情况下,计算所有数据的标准差时使用,即最终除以n。
当ddo = 1时,表示计算无偏样本标准差,最终除以n-1
import numpy as np a = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) pian = np.std(a, ddof = 0) # 有偏 print("std有偏计算结果:",pian) orig = np.sqrt(((a - np.mean(a)) ** 2).sum() / a.size) print("有偏公式计算结果:",orig) no_pian = np.std(a, ddof = 1) # 无偏 print("std无偏计算结果:",no_pian) orig1 = np.sqrt(((a - np.mean(a)) ** 2).sum() / (a.size - 1)) print("无偏公式计算结果:",orig1)
output:
std有偏计算结果: 2.8722813232690143 有偏公式计算结果: 2.8722813232690143 std无偏计算结果: 3.0276503540974917 无偏公式计算结果: 3.0276503540974917
3.numpy.average()
求取平局值,可以对每个值添加权重
考虑数组[1,2,3,4]和相应的权重[4,3,2,1],通过将相应元素的乘积相加,并将和除以权重的和,来计算加权平均值。
加权平均值 = (1*4+2*3+3*2+4*1)/(4+3+2+1)
具体代码
import numpy as np a = np.array([1,2,3,4]) print (np.average(a)) wts = np.array([4,3,2,1]) print (np.average(a,weights = wts))
结果如下
2.5 2.0
4. numpy.var()
求取方差
5.numpy.percentile()
百分位数是统计中使用的度量,表示小于这个值的观察值的百分比。
6.numpy.median()
numpy.median() 函数用于计算数组 a 中元素的中位数(中值)
标签:std,记录,用法,print,np,mean,numpy,axis 来源: https://www.cnblogs.com/AntonioSu/p/15863254.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。