Funciones estadísticas de NumPy
NumPy proporciona muchas funciones estadísticas para encontrar el elemento mínimo, el elemento máximo, el percentil, la desviación estándar y la varianza, etc., en una matriz.
numpy.amin() y numpy.amax()
numpy.amin() se utiliza para calcular el valor mínimo de los elementos en una matriz a lo largo del eje especificado.
numpy.amin(a, axis=None, out=None, keepdims=<no value>, initial=<no value>, where=<no value>)
Descripción de parámetros:
a: El array de entrada, que puede ser un array de NumPy o un objeto similar a un array.axis: Parámetro opcional, se utiliza para especificar sobre qué eje se calcula el mínimo. Si no se proporciona este parámetro, se devuelve el mínimo de todo el array. Puede ser un entero que representa el índice del eje, o una tupla que representa varios ejes.out: Parámetro opcional, se utiliza para especificar la ubicación de almacenamiento del resultado.keepdims: Parámetro opcional, si es True, mantiene el número de dimensiones del array de resultado igual al del array de entrada. Si es False (valor por defecto), se eliminan los ejes cuya dimensión sea 1 después del cálculo.initial: Parámetro opcional, se utiliza para especificar un valor inicial y luego calcular el mínimo sobre los elementos del array.where: Parámetro opcional, un array booleano que se utiliza para especificar que solo se consideren los elementos que cumplan la condición.
numpy.amax() se utiliza para calcular el valor máximo de los elementos en una matriz a lo largo del eje especificado.
numpy.amax(a, axis=None, out=None, keepdims=<no value>, initial=<no value>, where=<no value>)
Descripción de parámetros:
a: El array de entrada, que puede ser un array de NumPy o un objeto similar a un array.axis: Parámetro opcional, se utiliza para especificar sobre qué eje se calcula el máximo. Si no se proporciona este parámetro, se devuelve el máximo de todo el array. Puede ser un entero que representa el índice del eje, o una tupla que representa varios ejes.out: Parámetro opcional, se utiliza para especificar la ubicación de almacenamiento del resultado.keepdims: Parámetro opcional, si es True, mantiene el número de dimensiones del array de resultado igual al del array de entrada. Si es False (valor por defecto), se eliminan los ejes cuya dimensión sea 1 después del cálculo.initial: Parámetro opcional, se utiliza para especificar un valor inicial y luego calcular el máximo sobre los elementos del array.where: Parámetro opcional, un array booleano que se utiliza para especificar que solo se consideren los elementos que cumplan la condición.
Ejemplo
El resultado de salida es:
我们的数组是: [[3 7 5] [8 4 3] [2 4 9]] 调用 amin() 函数: [3 3 2] 再次调用 amin() 函数: [2 4 3] 调用 amax() 函数: 9 再次调用 amax() 函数: [8 7 9]
numpy.ptp()
numpy.ptp()La función calcula la diferencia entre el valor máximo y el valor mínimo de los elementos en el array (máximo - mínimo).
numpy.ptp(a, axis=None, out=None, keepdims=<no value>, initial=<no value>, where=<no value>)
Descripción de parámetros:
a: El array de entrada, que puede ser un array de NumPy o un objeto similar a un array.axis: Parámetro opcional, se utiliza para especificar sobre qué eje se calcula el valor pico a pico. Si no se proporciona este parámetro, se devuelve el valor pico a pico de todo el array. Puede ser un entero que representa el índice del eje, o una tupla que representa varios ejes.out: Parámetro opcional, se utiliza para especificar la ubicación de almacenamiento del resultado.keepdims: Parámetro opcional, si es True, mantiene el número de dimensiones del array de resultado igual al del array de entrada. Si es False (valor por defecto), se eliminan los ejes cuya dimensión sea 1 después del cálculo.initial: Parámetro opcional, se utiliza para especificar un valor inicial y luego calcular el valor pico a pico sobre los elementos del array.where: Parámetro opcional, un array booleano que se utiliza para especificar que solo se consideren los elementos que cumplan la condición.
Ejemplo
El resultado de salida es:
我们的数组是: [[3 7 5] [8 4 3] [2 4 9]] 调用 ptp() 函数: 7 沿轴 1 调用 ptp() 函数: [4 5 7] 沿轴 0 调用 ptp() 函数: [6 3 6]
numpy.percentile()
El percentil es una medida utilizada en estadística que representa el porcentaje de observaciones que son menores que este valor. La función numpy.percentile() acepta los siguientes parámetros.
numpy.percentile(a, q, axis)
Descripción de parámetros:
- a: array de entrada
- q: el percentil a calcular, entre 0 y 100
- axis: el eje a lo largo del cual se calcula el percentil
Primero, aclaremos el percentil:
El percentil p es un valor tal que al menos el p% de los elementos de los datos son menores o iguales que este valor, y al menos el (100-p)% de los elementos son mayores o iguales que este valor.
Por ejemplo: las calificaciones de los exámenes de admisión a las instituciones de educación superior a menudo se reportan en forma de percentiles. Supongamos que un candidato obtiene una puntuación bruta de 54 en la parte de lengua del examen de admisión. En relación con otros estudiantes que tomaron el mismo examen, no es fácil saber cómo es su rendimiento. Pero si la puntuación bruta de 54 corresponde exactamente al percentil 70, podemos saber que aproximadamente el 70% de los estudiantes tienen una puntuación más baja que él, y aproximadamente el 30% tienen una puntuación más alta.
Aquí p = 70.
Ejemplo
El resultado de salida es:
我们的数组是: [[10 7 4] [ 3 2 1]] 调用 percentile() 函数: 3.5 [6.5 4.5 2.5] [7. 2.] [[7.] [2.]]
numpy.median()
La función numpy.median() se utiliza para calcular la mediana (valor medio) de los elementos en el array a.
numpy.median(a, axis=None, out=None, overwrite_input=False, keepdims=<no value>)
Descripción de parámetros:
a: El array de entrada, que puede ser un array de NumPy o un objeto similar a un array.axis: Parámetro opcional, se utiliza para especificar sobre qué eje se calcula la mediana. Si no se proporciona este parámetro, se calcula la mediana de todo el array. Puede ser un entero que representa el índice del eje, o una tupla que representa varios ejes.out: Parámetro opcional, se utiliza para especificar la ubicación de almacenamiento del resultado.overwrite_input: Parámetro opcional, si es True, permite usar la memoria del array de entrada en el cálculo. Esto puede mejorar el rendimiento en algunos casos, pero puede modificar el contenido del array de entrada.keepdims: Parámetro opcional, si es True, mantiene el número de dimensiones del array de resultado igual al del array de entrada. Si es False (valor por defecto), se eliminan los ejes cuya dimensión sea 1 después del cálculo.
Ejemplo
El resultado de salida es:
我们的数组是: [[30 65 70] [80 95 10] [50 90 60]] 调用 median() 函数: 65.0 沿轴 0 调用 median() 函数: [50. 90. 60.] 沿轴 1 调用 median() 函数: [65. 80. 60.]
numpy.mean()
La función numpy.mean() devuelve la media aritmética de los elementos del array, y si se proporciona un eje, se calcula a lo largo de este.
La media aritmética es la suma de los elementos a lo largo del eje dividida por el número de elementos.
numpy.mean(a, axis=None, dtype=None, out=None, keepdims=<no value>)
Descripción de parámetros:
a: El array de entrada, que puede ser un array de NumPy o un objeto similar a un array.axis: Parámetro opcional, se utiliza para especificar sobre qué eje se calcula la media. Si no se proporciona este parámetro, se calcula la media de todo el array. Puede ser un entero que representa el índice del eje, o una tupla que representa varios ejes.dtype: Parámetro opcional, se utiliza para especificar el tipo de dato de salida. Si no se proporciona, se elige un tipo de dato adecuado según el tipo de los datos de entrada.out: Parámetro opcional, se utiliza para especificar la ubicación de almacenamiento del resultado.keepdims: Parámetro opcional, si es True, mantiene el número de dimensiones del array de resultado igual al del array de entrada. Si es False (valor por defecto), se eliminan los ejes cuya dimensión sea 1 después del cálculo.
Ejemplo
El resultado de salida es:
我们的数组是: [[1 2 3] [3 4 5] [4 5 6]] 调用 mean() 函数: 3.6666666666666665 沿轴 0 调用 mean() 函数: [2.66666667 3.66666667 4.66666667] 沿轴 1 调用 mean() 函数: [2. 4. 5.]
numpy.average()
La función numpy.average() calcula el promedio ponderado de los elementos en un array de acuerdo con los pesos respectivos dados en otro array.
Esta función puede aceptar un parámetro de eje. Si no se especifica el eje, el array se aplana.
El promedio ponderado consiste en multiplicar cada valor por su peso correspondiente, luego sumar todos los productos para obtener el valor total, y dividir entre el número total de unidades.
Considere el array [1,2,3,4] y los pesos correspondientes [4,3,2,1]. El promedio ponderado se calcula sumando los productos de los elementos correspondientes y dividiendo la suma entre la suma de los pesos.
加权平均值 = (1*4+2*3+3*2+4*1)/(4+3+2+1)
Sintaxis de la función:
numpy.average(a, axis=None, weights=None, returned=False)
Descripción de parámetros:
a: El array de entrada, que puede ser un array de NumPy o un objeto similar a un array.axis: Parámetro opcional, se utiliza para especificar sobre qué eje se calcula el promedio ponderado. Si no se proporciona este parámetro, se calcula el promedio ponderado de todo el array. Puede ser un entero que representa el índice del eje, o una tupla que representa varios ejes.weights: Parámetro opcional, se utiliza para especificar los pesos de los puntos de datos correspondientes. Si no se proporciona un array de pesos, por defecto se usan pesos iguales.returned: Parámetro opcional, si es True, devuelve simultáneamente el promedio ponderado y la suma de los pesos.
Ejemplo
El resultado de salida es:
我们的数组是: [1 2 3 4] 调用 average() 函数: 2.5 再次调用 average() 函数: 2.0 权重的和: (2.0, 10.0)
En arrays multidimensionales, se puede especificar el eje utilizado para el cálculo.
Ejemplo
El resultado de salida es:
我们的数组是: [[0 1] [2 3] [4 5]] 修改后的数组: [0.625 2.625 4.625] 修改后的数组: (array([0.625, 2.625, 4.625]), array([8., 8., 8.]))
Desviación estándar
La desviación estándar es una medida del grado de dispersión del promedio de un conjunto de datos.
La desviación estándar es la raíz cuadrada aritmética de la varianza.
La fórmula de la desviación estándar es la siguiente:
std = sqrt(mean((x - x.mean())**2))
Si el array es [1, 2, 3, 4], entonces su promedio es 2.5. Por lo tanto, los cuadrados de las diferencias son [2.25, 0.25, 0.25, 2.25], y luego se calcula la raíz cuadrada de su promedio (la suma dividida entre 4), es decir, sqrt(5/4), y el resultado es 1.1180339887498949.
Ejemplo
El resultado de salida es:
1.1180339887498949
Varianza
La varianza en estadística (varianza muestral) es el promedio de los cuadrados de las diferencias entre cada valor muestral y la media de todos los valores muestrales, es decir, mean((x - x.mean())** 2).
En otras palabras, la desviación estándar es la raíz cuadrada de la varianza.
Ejemplo
El resultado de salida es:
1.25Otras extensiones