翼度科技»论坛 编程开发 python 查看内容

【numpy基础】--聚合计算

5

主题

5

帖子

15

积分

新手上路

Rank: 1

积分
15
上一篇介绍的通用计算是关于多个numpy数组的计算,
本篇介绍的聚合计算一般是针对单个数据集的各种统计结果,同样,使用聚合函数,也可以避免繁琐的循环语句的编写。
元素的和

数组中的元素求和也就是合计值。
调用方式

聚合计算有两种调用方式,一种是面向对象的方式,作为numpy数组对象的方法来调用:
  1. import numpy as np
  2. arr = np.random.randint(1, 10, (3, 3))
  3. print(arr)
  4. #运行结果
  5. [[8 3 4]
  6. [4 4 1]
  7. [6 6 3]]
  8. arr.sum()
  9. #运行结果
  10. 39
复制代码
另一种是函数式调用的方式:
  1. import numpy as np
  2. arr = np.random.randint(1, 10, (3, 3))
  3. print(arr)
  4. #运行结果
  5. [[8 3 4]
  6. [4 4 1]
  7. [6 6 3]]
  8. np.sum(arr)
  9. #运行结果
  10. 39
复制代码
下面演示各种聚合计算的方法时,都采用函数式调用的方式,不再一一赘述了。
整体统计

整体统计就是统计数组所有值的
  1. arr = np.random.randint(1, 10, (3, 3))
  2. print(arr)
  3. #运行结果
  4. [[6 3 1]
  5. [1 9 2]
  6. [1 2 5]]
  7. np.sum(arr)
  8. #运行结果:30
复制代码
按维度统计

比如上面的二维数组,按维度统计就是按行或者列来统计,而不是把所有值加在一起。
  1. arr = np.random.randint(1, 10, (3, 3))
  2. print(arr)
  3. #运行结果
  4. [[6 3 1]
  5. [1 9 2]
  6. [1 2 5]]
  7. #统计每列的合计值
  8. np.sum(arr, axis=0)
  9. #运行结果:array([ 8, 14,  8])
  10. #统计每行的合计值
  11. np.sum(arr, axis=1)
  12. #运行结果:array([10, 12,  8])
复制代码
元素的积

元素的积的聚合统计就是各个元素相乘的结果。
对应的函数是:np.prod
整体统计
  1. arr = np.random.randint(1, 10, (3, 3))
  2. print(arr)
  3. #运行结果
  4. [[6 3 1]
  5. [1 9 2]
  6. [1 2 5]]
  7. np.prod(arr)
  8. #运行结果:3240
复制代码
按维度统计
  1. arr = np.random.randint(1, 10, (3, 3))
  2. print(arr)
  3. #运行结果
  4. [[6 3 1]
  5. [1 9 2]
  6. [1 2 5]]
  7. #统计每列的聚合值
  8. np.prod(arr, axis=0)
  9. #运行结果:array([ 6, 54, 10])
  10. #统计每行的聚合值
  11. np.prod(arr, axis=1)
  12. #运行结果:array([18, 18, 10])
复制代码
元素的平均值和中位数

平均值对应的函数是:np.mean,中位数对应的函数是:np.median。
整体统计
  1. arr = np.random.randint(1, 10, (3, 3))
  2. print(arr)
  3. #运行结果
  4. [[6 3 1]
  5. [1 9 2]
  6. [1 2 5]]
  7. #平均值
  8. np.mean(arr)
  9. #运行结果:3.33333333
  10. #中位数
  11. np.median(arr)
  12. #运行结果:2.0
复制代码
按维度统计
  1. arr = np.random.randint(1, 10, (3, 3))
  2. print(arr)
  3. #运行结果
  4. [[6 3 1]
  5. [1 9 2]
  6. [1 2 5]]
  7. #按列统计平均值
  8. np.mean(arr, axis=0)
  9. #运行结果:array([2.66666667, 4.66666667, 2.66666667])
  10. #按行统计平均值
  11. np.mean(arr, axis=1)
  12. #运行结果:array([3.33333333, 4.        , 2.66666667])
  13. #按列统计中位数
  14. np.median(arr, axis=0)
  15. #运行结果:array([1., 3., 2.])
  16. #按行统计中位数
  17. np.median(arr, axis=1)
  18. #运行结果:array([3., 2., 2.])
复制代码
元素的标准差和方差

标准差对应的函数是:np.std,方差对应的函数是:np.var。
整体统计
  1. arr = np.random.randint(1, 10, (3, 3))
  2. print(arr)
  3. #运行结果
  4. [[6 3 1]
  5. [1 9 2]
  6. [1 2 5]]
  7. #标准差
  8. np.std(arr)
  9. #运行结果:2.6246692913372702
  10. #方差
  11. np.var(arr)
  12. #运行结果:6.888888888888889
复制代码
按维度统计
  1. arr = np.random.randint(1, 10, (3, 3))
  2. print(arr)
  3. #运行结果
  4. [[6 3 1]
  5. [1 9 2]
  6. [1 2 5]]
  7. #按列统计标准差
  8. np.std(arr, axis=0)
  9. #运行结果:array([2.3570226 , 3.09120617, 1.69967317])
  10. #按行统计标准差
  11. np.std(arr, axis=1)
  12. #运行结果:array([2.05480467, 3.55902608, 1.69967317])
  13. #按列统计方差
  14. np.var(arr, axis=0)
  15. #运行结果:array([5.55555556, 9.55555556, 2.88888889])
  16. #按行统计方差
  17. np.var(arr, axis=1)
  18. #运行结果:array([ 4.22222222, 12.66666667,  2.88888889])
复制代码
最大值和最小值

最大值对应的函数是:np.max,最小值对应的函数是:np.min。
整体统计
  1. arr = np.random.randint(1, 10, (3, 3))
  2. print(arr)
  3. #运行结果
  4. [[6 3 1]
  5. [1 9 2]
  6. [1 2 5]]
  7. #最大值
  8. np.max(arr)
  9. #运行结果:9
  10. #最小值
  11. np.min(arr)
  12. #运行结果:1
复制代码
按维度统计
  1. arr = np.random.randint(1, 10, (3, 3))
  2. print(arr)
  3. #运行结果
  4. [[6 3 1]
  5. [1 9 2]
  6. [1 2 5]]
  7. #按列统计最大值
  8. np.max(arr, axis=0)
  9. #运行结果:array([6, 9, 5])
  10. #按行统计最大值
  11. np.max(arr, axis=1)
  12. #运行结果:array([6, 9, 5])
  13. #按列统计最小值
  14. np.min(arr, axis=0)
  15. #运行结果:array([1, 2, 1])
  16. #按行统计最小值
  17. np.min(arr, axis=1)
  18. #运行结果:array([1, 1, 1])
复制代码
总结回顾

本篇介绍了最常用的聚合计算函数,聚合计算通常用于对数据进行处理和分析,以及实现高级的数据分析算法。
除了上面介绍的聚合计算函数,还有:

  • cumsum():计算数组中所有元素的累积和。
  • cumprod():计算数组中所有元素的累积乘积。
  • argmin():计算数组中最小值的下标。
  • argmax():计算数组中最大值的下标。
  • ... ...
具体请参考官方文档。

来源:https://www.cnblogs.com/wang_yb/p/17505273.html
免责声明:由于采集信息均来自互联网,如果侵犯了您的权益,请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容,谢谢合作!

举报 回复 使用道具