简介NumPy是Python中用于科学计算的一个强大的库，其中包含了丰富的数学和统计函数。这些统计函数允许用户对数组进行各种统计计算，例如平均值

 

简介NumPy是Python中用于科学计算的一个强大的库，其中包含了丰富的数学和统计函数这些统计函数允许用户对数组进行各种统计计算，例如平均值、标准差、方差、最大值、最小值等在本文中，我们将详细介绍NumPy中一些常用的统计函数及其用法。

统计函数示例numpy.amin() 和 numpy.amax()这两个函数用于计算数组沿指定轴的最小值与最大值：amin() 沿指定的轴，查找数组中元素的最小值，并以数组形式返回；amax() 沿指定的轴，查找数组中元素的最大值，并以数组形式返回。

对于二维数组来说，axis=1 表示沿着水平方向，axis=0 表示沿着垂直方向。如下图：

示例如下：python复制代码import numpy as np a = np.array([[3,7,5],[8,4,3],[2,4,9]]) print (数组a是：) print(a) #amin()函数

print (np.amin(a)) #调用 amin() 函数，axis=1print(np.amin(a,1)) #调用amax()函数 print(np.amax(a)) #再次调用amax()函数

print(np.amax(a,axis=0)) ---------- 输出结果如下： 我们的数组是： [[3 7 5] [8 4 3] [2 4 9]] 调用amin()函数： 2 调用 amin(axis=

1) 函数： [332] amax() 函数： 9 amax(axis=0) 函数： [879] numpy.ptp()numpy.ptp() 用于计算数组元素中最值之差值，也就是（最大值 - 最小值）。

示例如下：python复制代码import numpy as np a = np.array([[2,10,20],[80,43,31],[22,43,10]]) print("原数组",a) print

("沿着axis 1:",np.ptp(a,1)) print("沿着axis 0:",np.ptp(a,0)) ------------- 输出结果如下： 原数组 array: [[ 2 10 20] [80 43 31] [22 43 10]]

沿着 axis 1: [184933] 沿着 axis 0: [783321] numpy.percentile()百分位数，是统计学中使用的一种度量单位该函数表示沿指定轴，计算数组中任意百分比分位数，语法格式如下：。

python复制代码numpy.percentile(a, q, axis) 函数 numpy.percentile() 的参数说明：a：输入数组；q：要计算的百分位数，在 0~100 之间；axis：沿着指定的轴计算百分位数。

示例如下：python复制代码import numpy as np a = np.array([[2,10,20],[80,43,31],[22,43,10]]) print("数组a:",a)

print("沿着axis=0计算百分位数",np.percentile(a,10,0)) print("沿着axis=1计算百分位数",np.percentile(a,10,1)) ---------------

数组a: [[ 2 10 20] [80 43 31] [22 43 10]] 沿着axis=0计算百分位数： [ 6.16.612. ] 沿着axis=1计算百分位数： [ 3.633.412.4

] numpy.median()numpy.median() 用于计算 a 数组元素的中位数（中值）：python复制代码importnumpyasnpa=np.array([[30,65,70],[80,95,10],[50,90,60]])

#数组a:print(a)#median()printnp.median(a)#axis 0printnp.median(a,axis=0)#axis 1:print(np.median(a,axis=

1))-----------------输出结果如下：数组a:[[306570][809510][509060]]调用median()函数:65.0median(axis=0):[50.90.60.]median(axis=1):

[65.80.60.]numpy.mean()该函数表示沿指定的轴，计算数组中元素的算术平均值（即元素之总和除以元素数量）示例如下：python复制代码import numpy as np a = np.array(。

[[1,2,3],[3,4,5],[4,5,6]]) print (我们的数组是：) print (a) print (调用 mean() 函数：) print (np.mean(a)) print (

沿轴 0 调用 mean() 函数：) print (np.mean(a, axis = 0)) print (沿轴 1 调用 mean() 函数：) print (np.mean(a, axis =

1)) ---------------- 输出结果如下： 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： [2.666666673.666666674.66666667] 沿轴 1 调用 mean() 函数： [2.4.5.] numpy.average()加权平均值是将数组中各数值乘以相应的权数，然后再对权重值求总和，最后以权重的总和除以总的单位数（即因子个数）。

numpy.average() 根据在数组中给出的权重，计算数组元素的加权平均值该函数可以接受一个轴参数 axis，如果未指定，则数组被展开为一维数组下面举一个简单的示例：现有数组 [1,2,3,4] 和相应的权重数组 [4,3,2,1]，它的加权平均值计算如下：。

python复制代码加权平均值=（1*4+2*3+3*2+4*1）/（4+3+2+1）使用 average() 计算加权平均值，代码如下：python复制代码import numpy as np a = np.

array([1,2,3,4]) print(a数组是：) print(a) #average()函数：print (np.average(a)) # 若不指定权重相当于对数组求均值 we = np.

array([4,3,2,1]) #调用 average() 函数：)print(np.average(a,weights = we)) #returned 为Ture，则返回权重的和 prin(np.average([

1,2,3,4],weights = [4,3,2,1], returned = True)) ----------------- 输出结果如下： a数组是： [1234] 无权重值时average()函数：

2.5 有权重值时average()函数： 2.0 元组(加权平均值,权重的和)： (2.0, 10.0) numpy.var()示例如下：python复制代码import numpy as np

print (np.var([1,2,3,4])) -------------- 输出结果如下： 1.25numpy.std()标准差是方差的算术平方根，用来描述一组数据平均值的分散程度若一组数据的标准差较大，说明大部分的数值和其平均值之间差异较大；若标准差较小，则代表这组数值比较接近平均值。

它的公式如下：python复制代码std = sqrt(mean((x - x.mean())**2NumPy 中使用 np.std() 计算标准差示例如下：python复制代码import numpy 。

as np print (np.std([1,2,3,4])) ------------------------ 1.1180339887498949总结NumPy提供了丰富的统计函数，可以方便地对数组进行各种统计计算，例如平均值、中位数、标准差、方差、最大值、最小值等。

这些函数在数据分析、科学计算和机器学习等领域中扮演着重要角色通过灵活运用这些统计函数，我们可以更好地理解和处理数据，并进行相应的数据分析和预测在日常使用中，建议多熟悉这些函数的用法，以提高Python在科学计算方面的应用水平。

获取更多技术资料，请点击！> 霍格沃兹测试开发学社|免费学习资料大放送，助你事半功倍！ - 公众号 - 测试人社区

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186