Статистические функции NumPy
NumPy предоставляет множество статистических функций для нахождения минимального элемента, максимального элемента, процентиля, стандартного отклонения и дисперсии из массива.
numpy.amin() и numpy.amax()
numpy.amin() используется для вычисления минимального значения элементов массива вдоль указанной оси.
numpy.amin(a, axis=None, out=None, keepdims=<no value>, initial=<no value>, where=<no value>)
Описание параметра:
a: Входной массив, который может быть массивом NumPy или объектом, подобным массиву.axis: Необязательный параметр, используемый для указания оси, по которой нужно вычислить минимум. Если не указан, возвращается минимум всего массива. Он может быть целым числом, представляющим индекс оси, или кортежем, представляющим несколько осей.out: Необязательный параметр, используемый для указания места хранения результата.keepdims: Необязательный параметр. Если True, количество измерений результирующего массива сохраняется таким же, как у входного массива. Если False (по умолчанию), оси с размерностью 1 после вычисления удаляются.initial: Необязательный параметр, используемый для указания начального значения, после чего минимум вычисляется по элементам массива.where: Необязательный параметр, булев массив, используемый для указания того, что учитываются только элементы, удовлетворяющие условию.
numpy.amax() используется для вычисления максимального значения элементов массива вдоль указанной оси.
numpy.amax(a, axis=None, out=None, keepdims=<no value>, initial=<no value>, where=<no value>)
Описание параметра:
a: Входной массив, который может быть массивом NumPy или объектом, подобным массиву.axis: Необязательный параметр, используемый для указания оси, по которой вычисляется максимум. Если не указан, возвращается максимум всего массива. Это может быть целое число, представляющее индекс оси, или кортеж, представляющий несколько осей.out: Необязательный параметр, используемый для указания места хранения результата.keepdims: Необязательный параметр. Если True, количество измерений результирующего массива сохраняется таким же, как у входного массива. Если False (по умолчанию), оси с размерностью 1 после вычисления удаляются.initial: Необязательный параметр, используемый для указания начального значения, после чего максимум вычисляется по элементам массива.where: Необязательный параметр, булев массив, используемый для указания того, что учитываются только элементы, удовлетворяющие условию.
Пример
Результат вывода:
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()Функция вычисляет разницу между максимальным и минимальным значениями элементов массива (maximum - minimum).
numpy.ptp(a, axis=None, out=None, keepdims=<no value>, initial=<no value>, where=<no value>)
Описание параметра:
a: Входной массив, который может быть массивом NumPy или объектом, подобным массиву.axis: Необязательный параметр, используемый для указания оси, по которой нужно вычислить размах. Если не указан, возвращается размах всего массива. Он может быть целым числом, представляющим индекс оси, или кортежем, представляющим несколько осей.out: Необязательный параметр, используемый для указания места хранения результата.keepdims: Необязательный параметр. Если True, количество измерений результирующего массива сохраняется таким же, как у входного массива. Если False (по умолчанию), оси с размерностью 1 после вычисления удаляются.initial: Необязательный параметр, используемый для указания начального значения, после чего размах вычисляется по элементам массива.where: Необязательный параметр, булев массив, используемый для указания того, что учитываются только элементы, удовлетворяющие условию.
Пример
Результат вывода:
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()
Процентиль — это мера, используемая в статистике, которая представляет процент наблюдений, меньших этого значения. Функция numpy.percentile() принимает следующие параметры.
numpy.percentile(a, q, axis)
Описание параметра:
- a: входной массив
- q: Процентиль для вычисления, между 0 и 100
- axis: Ось, вдоль которой вычисляется процентиль
Сначала уточним процентили:
p-й процентиль — это значение, такое что по крайней мере p% элементов данных меньше или равны этому значению, и по крайней мере (100-p)% элементов данных больше или равны этому значению.
Например: результаты вступительных экзаменов в колледж часто представляются в виде процентилей. Например, предположим, что первичный балл абитуриента по разделу китайского языка вступительного экзамена составляет 54 балла. Нелегко понять, как он выступил по сравнению с другими студентами, сдававшими тот же экзамен. Но если первичный балл 54 балла точно соответствует 70-му процентилю, мы можем узнать, что около 70% студентов получили балл ниже, чем он, и около 30% получили балл выше.
Здесь p = 70.
Пример
Результат вывода:
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()
Функция numpy.median() используется для вычисления медианы (срединного значения) элементов массива a.
numpy.median(a, axis=None, out=None, overwrite_input=False, keepdims=<no value>)
Описание параметра:
a: Входной массив, который может быть массивом NumPy или объектом, подобным массиву.axis: Необязательный параметр, используемый для указания оси, по которой нужно вычислить медиану. Если он не указан, вычисляется медиана всего массива. Он может быть целым числом, представляющим индекс оси, или кортежем, представляющим несколько осей.out: Необязательный параметр, используемый для указания места хранения результата.overwrite_input: Необязательный параметр. Если True, во время вычислений разрешено использование памяти входного массива. В некоторых случаях это может повысить производительность, но может изменить содержимое входного массива.keepdims: Необязательный параметр. Если True, количество измерений результирующего массива сохраняется таким же, как у входного массива. Если False (по умолчанию), оси с размерностью 1 после вычисления удаляются.
Пример
Результат вывода:
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()
Функция numpy.mean() возвращает среднее арифметическое элементов массива. Если указана ось, оно вычисляется вдоль этой оси.
Среднее арифметическое — это сумма элементов вдоль оси, делённая на количество элементов.
numpy.mean(a, axis=None, dtype=None, out=None, keepdims=<no value>)
Описание параметра:
a: Входной массив, который может быть массивом NumPy или объектом, подобным массиву.axis: Необязательный параметр, используемый для указания оси, по которой вычисляется среднее. Если не указан, вычисляется среднее всего массива. Может быть целым числом, представляющим индекс оси, или кортежем, представляющим несколько осей.dtype: Необязательный параметр, используемый для указания типа данных выходного значения. Если не указан, подходящий тип данных выбирается на основе типа входных данных.out: Необязательный параметр, используемый для указания места хранения результата.keepdims: Необязательный параметр. Если True, количество измерений результирующего массива сохраняется таким же, как у входного массива. Если False (по умолчанию), оси с размерностью 1 после вычисления удаляются.
Пример
Результат вывода:
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()
Функция numpy.average() вычисляет средневзвешенное значение элементов массива на основе соответствующих весов, заданных в другом массиве.
Эта функция может принимать параметр axis. Если axis не указан, массив уплощается.
Средневзвешенное значение вычисляется так: каждое значение умножается на соответствующий вес, произведения суммируются для получения общей суммы, а затем делятся на количество единиц.
Рассмотрим массив [1,2,3,4] и соответствующие веса [4,3,2,1]. Средневзвешенное значение вычисляется путём сложения произведений соответствующих элементов и деления суммы на сумму весов.
加权平均值 = (1*4+2*3+3*2+4*1)/(4+3+2+1)
Синтаксис функции:
numpy.average(a, axis=None, weights=None, returned=False)
Описание параметра:
a: Входной массив, который может быть массивом NumPy или объектом, подобным массиву.axis: Необязательный параметр, используемый для указания оси, по которой нужно вычислить средневзвешенное значение. Если он не указан, вычисляется средневзвешенное значение всего массива. Это может быть целое число, представляющее индекс оси, или кортеж, представляющий несколько осей.weights: Необязательный параметр, используемый для указания весов для соответствующих точек данных. Если массив весов не указан, по умолчанию предполагаются равные веса.returned: Необязательный параметр. Если True, возвращаются как средневзвешенное значение, так и сумма весов.
Пример
Результат вывода:
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)
В многомерных массивах можно указать ось, используемую для вычисления.
Пример
Результат вывода:
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.]))
Стандартное отклонение
Стандартное отклонение — это мера разброса набора значений данных относительно их среднего.
Стандартное отклонение — это квадратный корень из дисперсии.
Формула стандартного отклонения выглядит следующим образом:
std = sqrt(mean((x - x.mean())**2))
Если массив равен [1, 2, 3, 4], то его среднее равно 2.5. Следовательно, квадраты разностей равны [2.25, 0.25, 0.25, 2.25], а затем возьмите квадратный корень из среднего квадратов разностей, то есть sqrt(5/4), результат равен 1.1180339887498949.
Пример
Результат вывода:
1.1180339887498949
Вариантность
В статистике дисперсия (выборочная дисперсия) — это среднее квадратов разностей между каждым выборочным значением и средним всех выборочных значений, то есть mean((x - x.mean())** 2).
Иными словами, стандартное отклонение — это квадратный корень из дисперсии.
Пример
Результат вывода:
1.25Другие расширения