Fonctions statistiques NumPy

NumPy fournit de nombreuses fonctions statistiques pour trouver l'élément minimal, l'élément maximal, le centile, l'écart type et la variance d'un tableau.

numpy.amin() et numpy.amax()

numpy.amin() est utilisé pour calculer la valeur minimale des éléments d'un tableau le long d'un axe spécifié.

numpy.amin(a, axis=None, out=None, keepdims=<no value>, initial=<no value>, where=<no value>)

Description du paramètre :

  • a: Le tableau d'entrée, qui peut être un tableau NumPy ou un objet de type tableau.
  • axis: Paramètre facultatif, utilisé pour spécifier sur quel axe calculer le minimum. S'il n'est pas fourni, le minimum de tout le tableau est renvoyé. Il peut s'agir d'un entier représentant l'indice de l'axe, ou d'un tuple représentant plusieurs axes.
  • out: Paramètre facultatif, utilisé pour spécifier l'emplacement de stockage du résultat.
  • keepdims: Paramètre facultatif. Si True, le nombre de dimensions du tableau résultat est conservé identique à celui du tableau d'entrée. Si False (par défaut), les axes dont la dimension est 1 après le calcul sont supprimés.
  • initial: Paramètre facultatif, utilisé pour spécifier une valeur initiale, puis le minimum est calculé sur les éléments du tableau.
  • where: Paramètre facultatif, un tableau booléen utilisé pour spécifier que seuls les éléments satisfaisant la condition sont pris en compte.

numpy.amax() est utilisé pour calculer la valeur maximale des éléments d'un tableau le long d'un axe spécifié.

numpy.amax(a, axis=None, out=None, keepdims=<no value>, initial=<no value>, where=<no value>)

Description du paramètre :

  • a: Le tableau d'entrée, qui peut être un tableau NumPy ou un objet de type tableau.
  • axis: Paramètre facultatif, utilisé pour spécifier sur quel axe calculer le maximum. S'il n'est pas fourni, le maximum de l'ensemble du tableau est renvoyé. Il peut être un entier représentant l'indice de l'axe, ou un tuple représentant plusieurs axes.
  • out: Paramètre facultatif, utilisé pour spécifier l'emplacement de stockage du résultat.
  • keepdims: Paramètre facultatif. Si True, le nombre de dimensions du tableau résultat est conservé identique à celui du tableau d'entrée. Si False (par défaut), les axes dont la dimension est 1 après le calcul sont supprimés.
  • initial: Paramètre facultatif, utilisé pour spécifier une valeur initiale, puis le maximum est calculé sur les éléments du tableau.
  • where: Paramètre facultatif, un tableau booléen utilisé pour spécifier que seuls les éléments satisfaisant la condition sont pris en compte.

Exemple

import numpy as np a = np.array([[3,7,5],[8,4,3],[2,4,9]]) print ('Notre tableau est :') print (a) print ('\n') print ('Appel de la fonction amin() :') print (np.amin(a,1)) print ('\n') print ('Appel de la fonction amin() à nouveau :') print (np.amin(a,0)) print ('\n') print ('Appel de la fonction amax() :') print (np.amax(a)) print ('\n') print ('Appel de la fonction amax() à nouveau :') print (np.amax(a, axis = 0))

Le résultat de sortie est:

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 fonction calcule la différence entre les valeurs maximale et minimale des éléments du tableau (maximum - minimum).

numpy.ptp(a, axis=None, out=None, keepdims=<no value>, initial=<no value>, where=<no value>)

Description du paramètre :

  • a: Le tableau d'entrée, qui peut être un tableau NumPy ou un objet de type tableau.
  • axis: Paramètre facultatif, utilisé pour spécifier sur quel axe calculer la valeur crête à crête. S'il n'est pas fourni, la valeur crête à crête de l'ensemble du tableau est renvoyée. Il peut être un entier représentant l'indice de l'axe, ou un tuple représentant plusieurs axes.
  • out: Paramètre facultatif, utilisé pour spécifier l'emplacement de stockage du résultat.
  • keepdims: Paramètre facultatif. Si True, le nombre de dimensions du tableau résultat est conservé identique à celui du tableau d'entrée. Si False (par défaut), les axes dont la dimension est 1 après le calcul sont supprimés.
  • initial: Paramètre facultatif, utilisé pour spécifier une valeur initiale, puis la valeur crête à crête est calculée sur les éléments du tableau.
  • where: Paramètre facultatif, un tableau booléen utilisé pour spécifier que seuls les éléments satisfaisant la condition sont pris en compte.

Exemple

import numpy as np a = np.array([[3,7,5],[8,4,3],[2,4,9]]) print ('Notre tableau est :') print (a) print ('\n') print ('Appel de la fonction ptp() :') print (np.ptp(a)) print ('\n') print ('Appel de la fonction ptp() selon l'axe 1 :') print (np.ptp(a, axis = 1)) print ('\n') print ('Appel de la fonction ptp() selon l'axe 0 :') print (np.ptp(a, axis = 0))

Le résultat de sortie est:

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()

Un percentile est une mesure utilisée en statistiques qui représente le pourcentage d'observations inférieures à cette valeur. La fonction numpy.percentile() accepte les paramètres suivants.

numpy.percentile(a, q, axis)

Description du paramètre :

  • a : tableau d'entrée
  • q : le percentile à calculer, entre 0 et 100
  • axis : l'axe le long duquel calculer le percentile

Tout d'abord, clarifions les percentiles :

Le p-ième percentile est une valeur telle qu'au moins p% des éléments de données sont inférieurs ou égaux à cette valeur, et qu'au moins (100-p)% des éléments de données sont supérieurs ou égaux à cette valeur.

Par exemple : les scores d'examen d'entrée à l'université sont souvent rapportés sous forme de percentile. Par exemple, supposons qu'un candidat ait un score brut de 54 points à l'épreuve de chinois de l'examen d'entrée. Il n'est pas facile de savoir comment il s'en est sorti par rapport aux autres étudiants ayant passé le même examen. Mais si le score brut de 54 points correspond exactement au 70e percentile, nous pouvons savoir qu'environ 70% des étudiants ont obtenu un score inférieur au sien, et qu'environ 30% ont obtenu un score supérieur.

Ici p = 70.

Exemple

import numpy as np a = np.array([[10, 7, 4], [3, 2, 1]]) print ('Notre tableau est :') print (a) print ('Appel de la fonction percentile() :') # Le percentile 50% est la médiane de a après tri print (np.percentile(a, 50)) # axis vaut 0, calculer le long des colonnes print (np.percentile(a, 50, axis=0)) # axis vaut 1, calculer le long des lignes print (np.percentile(a, 50, axis=1)) # Conserver la dimension inchangée print (np.percentile(a, 50, axis=1, keepdims=True))

Le résultat de sortie est:

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 fonction numpy.median() est utilisée pour calculer la médiane (valeur centrale) des éléments du tableau a.

numpy.median(a, axis=None, out=None, overwrite_input=False, keepdims=<no value>)

Description du paramètre :

  • a: Le tableau d'entrée, qui peut être un tableau NumPy ou un objet de type tableau.
  • axis: paramètre facultatif, utilisé pour spécifier sur quel axe calculer la médiane. S'il n'est pas fourni, la médiane du tableau entier est calculée. Il peut être un entier représentant l'indice de l'axe, ou un tuple représentant plusieurs axes.
  • out: Paramètre facultatif, utilisé pour spécifier l'emplacement de stockage du résultat.
  • overwrite_input: paramètre facultatif. Si True, l'utilisation de la mémoire du tableau d'entrée est autorisée pendant le calcul. Cela peut améliorer les performances dans certains cas, mais peut modifier le contenu du tableau d'entrée.
  • keepdims: Paramètre facultatif. Si True, le nombre de dimensions du tableau résultat est conservé identique à celui du tableau d'entrée. Si False (par défaut), les axes dont la dimension est 1 après le calcul sont supprimés.

Exemple

import numpy as np a = np.array([[30,65,70],[80,95,10],[50,90,60]]) print ('Notre tableau est :') print (a) print ('\n') print ('Appel de la fonction median() :') print (np.median(a)) print ('\n') print ('Appel de la fonction median() le long de l'axe 0 :') print (np.median(a, axis = 0)) print ('\n') print ('Appel de la fonction median() le long de l'axe 1 :') print (np.median(a, axis = 1))

Le résultat de sortie est:

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 fonction numpy.mean() renvoie la moyenne arithmétique des éléments d'un tableau. Si un axe est fourni, elle est calculée le long de cet axe.

La moyenne arithmétique est la somme des éléments le long d'un axe divisée par le nombre d'éléments.

numpy.mean(a, axis=None, dtype=None, out=None, keepdims=<no value>)

Description du paramètre :

  • a: Le tableau d'entrée, qui peut être un tableau NumPy ou un objet de type tableau.
  • axis: Paramètre facultatif, utilisé pour spécifier sur quel axe calculer la moyenne. S'il n'est pas fourni, la moyenne de l'ensemble du tableau est calculée. Il peut être un entier représentant l'indice de l'axe, ou un tuple représentant plusieurs axes.
  • dtype: Paramètre facultatif, utilisé pour spécifier le type de données de la sortie. S'il n'est pas fourni, un type de données approprié est sélectionné en fonction du type des données d'entrée.
  • out: Paramètre facultatif, utilisé pour spécifier l'emplacement de stockage du résultat.
  • keepdims: Paramètre facultatif. Si True, le nombre de dimensions du tableau résultat est conservé identique à celui du tableau d'entrée. Si False (par défaut), les axes dont la dimension est 1 après le calcul sont supprimés.

Exemple

import numpy as np a = np.array([[1,2,3],[3,4,5],[4,5,6]]) print ('Notre tableau est :') print (a) print ('\n') print ('Appel de la fonction mean() :') print (np.mean(a)) print ('\n') print ('Appel de la fonction mean() le long de l'axe 0 :') print (np.mean(a, axis = 0)) print ('\n') print ('Appel de la fonction mean() le long de l'axe 1 :') print (np.mean(a, axis = 1))

Le résultat de sortie est:

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 fonction numpy.average() calcule la moyenne pondérée des éléments d'un tableau en fonction de leurs poids respectifs donnés dans un autre tableau.

Cette fonction peut accepter un paramètre axis. Si aucun axis n'est spécifié, le tableau est aplati.

La moyenne pondérée consiste à multiplier chaque valeur par son poids correspondant, à les additionner pour obtenir la valeur totale, puis à diviser par le nombre d'unités.

Considérez le tableau [1,2,3,4] et les poids correspondants [4,3,2,1]. La moyenne pondérée est calculée en additionnant les produits des éléments correspondants et en divisant la somme par la somme des poids.

加权平均值 = (1*4+2*3+3*2+4*1)/(4+3+2+1)

Syntaxe de la fonction :

numpy.average(a, axis=None, weights=None, returned=False)

Description du paramètre :

  • a: Le tableau d'entrée, qui peut être un tableau NumPy ou un objet de type tableau.
  • axis: Paramètre optionnel, utilisé pour spécifier sur quel axe calculer la moyenne pondérée. S'il n'est pas fourni, la moyenne pondérée de l'ensemble du tableau est calculée. Il peut être un entier représentant l'index de l'axe, ou un tuple représentant plusieurs axes.
  • weights: Paramètre optionnel, utilisé pour spécifier les poids des points de données correspondants. Si aucun tableau de poids n'est fourni, des poids égaux sont supposés par défaut.
  • returned: Paramètre optionnel. Si True, la moyenne pondérée et la somme des poids sont renvoyées.

Exemple

import numpy as np a = np.array([1,2,3,4]) print ('Notre tableau est :') print (a) print ('\n') print ('Appel de la fonction average() :') print (np.average(a)) print ('\n') # Lorsqu'aucun poids n'est spécifié, cela équivaut à la fonction mean wts = np.array([4,3,2,1]) print ('Appelez à nouveau la fonction average() :') print (np.average(a,weights = wts)) print ('\n') # Si le paramètre returned est défini sur true, renvoie la somme des poids print ('Somme des poids:') print (np.average([1,2,3, 4],weights = [4,3,2,1], returned = True))

Le résultat de sortie est:

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)

Dans les tableaux multidimensionnels, vous pouvez spécifier l'axe utilisé pour le calcul.

Exemple

import numpy as np a = np.arange(6).reshape(3,2) print ('Notre tableau est :') print (a) print ('\n') print ('Le tableau modifié est:') wt = np.array([3,5]) print (np.average(a, axis = 1, weights = wt)) print ('\n') print ('Le tableau modifié est:') print (np.average(a, axis = 1, weights = wt, returned = True))

Le résultat de sortie est:

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.]))

Écart type

L'écart-type est une mesure de la dispersion d'un ensemble de valeurs de données par rapport à leur moyenne.

L'écart-type est la racine carrée de la variance.

La formule de l'écart-type est la suivante :

std = sqrt(mean((x - x.mean())**2))

Si le tableau est [1, 2, 3, 4], alors sa moyenne est 2.5. Par conséquent, les différences au carré sont [2.25, 0.25, 0.25, 2.25], puis on prend la racine carrée de la moyenne des différences au carré, c'est-à-dire sqrt(5/4), le résultat est 1.1180339887498949.

Exemple

import numpy as np print (np.std([1,2,3,4]))

Le résultat de sortie est:

1.1180339887498949

Variance

En statistique, la variance (variance d'échantillon) est la moyenne des carrés des écarts entre chaque valeur de l'échantillon et la moyenne de toutes les valeurs de l'échantillon, c'est-à-dire mean((x - x.mean())** 2).

En d'autres termes, l'écart-type est la racine carrée de la variance.

Exemple

import numpy as np print (np.var([1,2,3,4]))

Le résultat de sortie est:

1.25
Autres extensions