今天是Numpy專題的第5篇文章，我們來繼續學習Numpy當中一些常用的數學和統計函式。

基本統計方法

在日常的工作當中，我們經常需要通過一系列值來了解特徵的分佈情況。比較常用的有均值、方差、標準差、百分位數等等。前面幾個都比較好理解，簡單介紹一下這個百分位數，它是指將元素從小到大排列之後，排在第x%位上的值。我們一般常用的是25%，50%和75%這三個值，通過這幾個值，我們很容易對於整個特徵的分佈有一個大概的瞭解。

前面三個指標：均值、方差、標準差都很好理解，我們直接看程式碼就行。

median和percentile分別是求中位數與百分位數，它們不是Numpy當中array的函式，而是numpy的庫函式。所以我們需要把array當做引數傳入。percentile這個函式還需要額外傳入一個int，表示我們想要得到的百分位數，比如我們想要知道50%位置上的數，則輸入50。

除了這些之外，我們還會經常用到sum，min，max，argmin，argmax這幾個函式。sum，min，max很好理解，argmin和argmax的意思是獲取最小值和最大值的索引。

這裡返回的索引有點奇怪，和我們想的不同，居然不是一個二維的索引而是一維的。實際上numpy的內部會將高維陣列轉化成一維之後再進行這個操作，我們可以reshape一下陣列來進行驗證：

這些只是api的基本用法，numpy當中支援的功能不僅如此。我們觀察一下這些函式會發現，它們的作用域都是一組資料，返回的是一組資料通過某種運算得到的結果。舉個例子，比如sum，是對一組資料的價格。std計算的是一組資料的標準差，這樣的函式我們稱為聚合函式。

numpy當中的聚合函式在使用的時候允許傳入軸這個引數，限制它聚合的範圍。我們通過axis這個引數來控制，axis=0表示對列聚合，axis=1表示對行聚合。我們死記的話總是會搞混淆，實際上axis傳入的也是一個索引，表示第幾個索引的索引。我們的二維陣列的shape是[行， 列]，其中的第0位是行，第1位是列，可以認為axis是這個索引向量的一個索引。

我們可以來驗證一下：

可以看到axis=0和axis=1返回的向量的長度是不同的，因為以列為單位聚合只有4列，所以得到的是一個1 x 4的結果。而以行為單位聚合有5行，所以是一個1 x 5的向量。

除了上面介紹的這些函式之外，還有cumsum和cumprod這兩個api。其中cumsum是用來對陣列進行累加運算，而cumprod是進行的累乘運算。只是在實際工作當中，很少用到，我就不展開細講了，感興趣的同學可以查閱api文件瞭解一下。

bool陣列的方法

我們之前在Python的入門文章當中曾經提到過，在Python中True和False完全等價於1和0。那麼在上面這些計算的方法當中，如果存在bool型別的值，都會被轉化成1和0進行的計算。

我們靈活運用這點會非常方便，舉個例子，假設我們要統計一批資料當中有多少條大於0。我們利用sum會非常方便：

bool陣列除了可以應用上面這些基本的運算api之外，還有專門的兩個api，也非常方便。一個叫做any，一個叫做all。any的意思是隻要陣列當中有一個是True，那麼結果就是True。可以認為是Is there any True in the array的意思，同樣，all就是說只有陣列當中都是True，結果才是True。對應的英文自然是Are the values in the array all True。

這個只要理解了，基本上很難忘記。

排序

Python原生的陣列可以排序，numpy當中的陣列自然也不例外。我們只需要呼叫sort方法就可以排序了，不過有一點需要注意，numpy中的sort預設是一個inplace的方法。也就是說我們呼叫完了sort之後，原陣列的值就自動變化了。

如果寫成了arr = arr.sort()會得到一個None，千萬要注意。

同樣，我們也可以通過傳入軸這個引數來控制它的排序範圍，可以做到對每一列排序或者是對每一行排序，我們來看個例子：

這個是對列排序，如果傳入0則是對行排序，這個應該不難理解。

集合api

numpy當中還提供了一些面向集合的api，相比於針對各種計算的api，這些方法用到的情況比較少。常用的一般只有unique和in1d。

unique顧名思義就是去重的api，可以返回一維array去重且排序之後的結果。我們來看個例子：

它等價於：

set(sorted(arr))

in1d是用來判斷集合內的元素是否在另外一個集合當中，函式會返回一個bool型的陣列。我們也可以來看個例子：

除了這兩個api之外，還有像是計算並集並排序的union1d，計算差集的setdiff1d，計算兩個集合交集並排序的intersect1d等等。這些api的使用頻率實在是不高，所以就不贅述了。用到的時候再去查閱即可。

總結

今天我們聊了numpy當中很多常用的計算api，這些api在我們日常做機器學習和資料分析的時候經常用到。比如分析特徵分佈的時候，如果資料量很大是不適合作圖或者是視覺化觀察的。這個時候可以從中位數、均值、方差和幾個關鍵百分位點入手，再比如在我們使用softmax多分類的時候，也會用到argmax來獲取分類的結果。

總之，今天的內容非常關鍵，在numpy整體的應用當中佔比很高，希望大家都能熟悉它們的基本用法。這樣即使以後忘記，用到的時候再查閱也還來得及。

今天的文章就是這些，如果喜歡本文，可以的話請點個關注，給我一點鼓勵，也方便獲取更多文章。

本文使用 mdnice 排版