NumPy中的聚合函数可以用于对数组中的元素进行汇总计算,包括求和、平均值、标准差、方差等等。这些函数可以对整个数组或者沿着某个轴进行计算,并且支持忽略NaN值的计算。
以下是一些常用的聚合函数及其示例:
import numpy as np
a = np.array([1, 2, 3, 4, 5])
print(np.sum(a)) # 输出: 15
import numpy as np
a = np.array([1, 2, 3, 4, 5])
print(np.mean(a)) # 输出: 3.0
import numpy as np
a = np.array([1, 2, 3, 4, 5])
print(np.median(a)) # 输出: 3.0
import numpy as np
a = np.array([1, 2, 3, 4, 5])
print(np.std(a)) # 输出: 1.41421356
import numpy as np
a = np.array([1, 2, 3, 4, 5])
print(np.var(a)) # 输出: 2.0
import numpy as np
a = np.array([1, 2, 3, 4, 5])
print(np.min(a)) # 输出: 1
import numpy as np
a = np.array([1, 2, 3, 4, 5])
print(np.max(a)) # 输出: 5
import numpy as np
a = np.array([1, 2, 3, 4, 5])
print(np.argmin(a)) # 输出: 0
import numpy as np
a = np.array([1, 2, 3, 4, 5])
print(np.argmax(a)) # 输出: 4
import numpy as np
a = np.array([1, 2, 3, 4, 5])
print(np.cumsum(a)) # 输出: [ 1 3 6 10 15]
import numpy as np
a = np.array([1, 2, 3, 4, 5])
print(np.cumprod(a)) # 输出: [ 1 2 6 24 120]
除此之外,NumPy还提供了许多其他聚合函数和方法,例如mean()方法的加权平均值版本average()、计算数组中非零元素的数量
使用NumPy聚合函数需要注意以下几点:
聚合函数的参数通常是一个数组,可以是多维数组。如果计算沿着某个轴的统计量,则需要指定axis参数。
聚合函数在计算时可以忽略NaN值,具体方法是在聚合函数后面加上一个nan选项,如np.mean(arr, nan=True)。
聚合函数的返回值类型通常是标量,也就是一个单独的数值。但是,有些聚合函数也可以返回数组,比如np.unique()函数。
NumPy中的聚合函数通常都有相应的方法实现,如np.sum()函数对应数组的sum()方法。
本文链接:http://task.lmcjl.com/news/4375.html