1. 程式人生 > >numpy中的統計函式運算

numpy中的統計函式運算

import numpy as np

_arr1 = 5-np.arange(1,13).reshape(4,3) #初始化一個4*3的矩陣,元素是按順序-7到4
print(_arr1)

_arr2 = np.random.randint(1,10,size=12).reshape(4,3) #初始化一個4*3的矩陣,元素是隨機的
print(_arr2)

print(_arr1**2) #列印每個元素的平方

print(np.sqrt(_arr1)) #列印每個元素的平方根,由於_arr1中含有負值,所以返回nan

print(np.exp(_arr1)) #列印每個元素的指數值

print
(np.log(_arr2)) #列印每個元素的自然對數值 print(np.abs(_arr1)) #列印每個元素的絕對值 print(_arr1+_arr2) #相同形狀的矩陣元素相加 print(_arr1-_arr2) #相同形狀的矩陣元素相減 print(_arr1*_arr2) #矩陣相乘每一個元素對應相乘 print(_arr1/_arr2) #矩陣相除 print(_arr1//_arr2) #整除 print(_arr1%_arr2) #取餘 #------------統計運算函式------------ print(np.sum(_arr1)) #將元素全部相加
print(np.sum(_arr1,axis=0)) #對每一列求和 print(np.sum(_arr1,axis=1)) #對每一行求和 print(np.max(_arr1)) #求一個矩陣的最大值 print(np.max(_arr1,axis=0)) #求每一列的最大值 print(np.max(_arr1,axis=1)) #求每一行的最大值 print(np.min(_arr1)) #求一個矩陣的最小值 print(np.min(_arr1,axis=0)) #求每一列的最小值 print(np.min(_arr1,axis=1)) #求每一行的最小值 print
(np.cumsum(_arr1)) #按從左往右,從上到下的順序,對每個元素累積求和 print(np.cumsum(_arr1,axis=0)) #計算每一列的累積和,並返回二維陣列 print(np.cumsum(_arr1,axis=1)) #計算每一行的累積和,並返回二維陣列 print(np.mean(_arr1)) #計算所有元素的均值 print(np.mean(_arr1,axis=0)) #計算每一列的均值 print(np.mean(_arr1,axis=1)) #計算每一行的均值 print(np.median(_arr1)) #計算矩陣中所有元素的中位數 print(np.median(_arr1,axis=0)) #計算每一列的中位數 print(np.median(_arr1,axis=1)) #計算每一行的中位數 print(np.var(_arr1)) #計算所有元素的方差 print(np.var(_arr1,axis=0)) #計算每一列的方差 print(np.var(_arr1,axis=1)) #計算每一行的方差 print(np.std(_arr1)) #計算所有元素的標準差 print(np.std(_arr1,axis=0)) #計算每一列的標準差 print(np.std(_arr1,axis=1)) #計算每一行的標準差 print(np.where(_arr1>0 ,'正數','負數')) ''' 其它函式 unique(x):計算x的唯一元素,並返回有序結果 intersect(x,y):計算x和y的公共元素,即交集 union1d(x,y):計算x和y的並集 setdiff1d(x,y):計算x和y的差集,即元素在x中,不在y中 setxor1d(x,y):計算集合的對稱差,即存在於一個數組中,但不同時存在於兩個陣列中 in1d(x,y):判斷x的元素是否包含於y中 '''

    下一篇更新線性代數運算