标签：输出 matrix np 直方图 数组 185 数据处理 NumPy
使用 NumPy 进行数据预处理——数据科学第 185 天
Source: https://numpy.org/
上次，我们查看了安装 NumPy 包并探索了使用 NumPy 的数组的基础知识。 — 是的，上次是第 184 天，但我在发表文章时打错了字。
[
使用 NumPy 进行数据处理——数据科学第 146 天
是的，已经有一段时间了。准确地说，我离开了两个半月，其他项目占用了我更多的时间……
媒体网
](/vizneo-academy/data-processing-with-numpy-data-science-day-146-dabb87e97a28)
今天，我们来看看如何在 NumPy 中使用统计函数。
例如，您可以设置以下数组：
matrix_A = np.array([[1,0,0,3,1],[3,6,6,2,9],[4,5,3,8,0]])
矩阵_A #输出->
数组（[[1, 0, 0, 3, 1],
[3, 6, 6, 2, 9],
[4, 5, 3, 8, 0]])
如果您获取所有值并将它们排序在一个列表中，您将获得一个值列表。
np.sort（矩阵_A，轴=无）
#输出->
数组（[0, 0, 0, 1, 1, 2, 3, 3, 3, 4, 5, 6, 6, 8, 9]）
通过在这个数组上应用中位数，它应该给出列表中的中间值。
np.median(matrix_A)
#输出->
3.0
平均值返回一个浮点数
np.mean(matrix_A)
#输出->
3.4
数组的方差给出
np.var(matrix_A)
#输出->
7.84
标准差
np.std(matrix_A)
#输出->
2.8
现在，测试 2.8² 也等于方差 7.84
np.std(matrix_A)**2
#输出->
7.839999999999999
所以看起来是正确的。
继续使用直方图，在这种情况下显示来自数组的数值数据的频率。
matrix_A = np.array([[1,0,0,3,1],[3,6,6,2,9],[4,5,3,8,0]])
矩阵_A
#输出->
数组（[[1, 0, 0, 3, 1],
[3, 6, 6, 2, 9],
[4, 5, 3, 8, 0]]) np.sort（矩阵_A，轴=无）
#输出->
数组（[0, 0, 0, 1, 1, 2, 3, 3, 3, 4, 5, 6, 6, 8, 9]）
# 我们可以看到值的频率 np.histogram(matrix_A, bins = 10, range = (0,9))
#输出->
（数组（[3, 2, 1, 3, 1, 1, 2, 0, 1, 1]），
数组([0., 0.9, 1.8, 2.7, 3.6, 4.5, 5.4, 6.3, 7.2, 8.1, 9. ]))
直方图数组有两个值列表，其中第一个显示 bin 中每个值范围的频率。在这种情况下，bin 被定义为 10 个 bin，从 0 到 9。
通过使用 matplotlib，我们可以说明直方图：
将 matplotlib.pyplot 导入为 plt
plt.hist(matrix_A.flat, bins = np.histogram(matrix_A)[1])
plt.show()
Author image
未完待续…
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明
本文链接：https://www.qanswer.top/1348/52422817
标签：输出,matrix,np,直方图,数组,185,数据处理,NumPy 来源： https://www.cnblogs.com/amboke/p/16633258.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。