numpy中的统计函数运算

import numpy as np

_arr1 = 5-np.arange(1,13).reshape(4,3) #初始化一个4*3的矩阵,元素是按顺序-7到4
print(_arr1)

_arr2 = np.random.randint(1,10,size=12).reshape(4,3) #初始化一个4*3的矩阵,元素是随机的
print(_arr2)

print(_arr1**2) #打印每个元素的平方

print(np.sqrt(_arr1)) #打印每个元素的平方根,由于_arr1中含有负值,所以返回nan

print(np.exp(_arr1)) #打印每个元素的指数值

print(np.log(_arr2)) #打印每个元素的自然对数值

print(np.abs(_arr1)) #打印每个元素的绝对值

print(_arr1+_arr2) #相同形状的矩阵元素相加

print(_arr1-_arr2)  #相同形状的矩阵元素相减

print(_arr1*_arr2) #矩阵相乘每一个元素对应相乘

print(_arr1/_arr2) #矩阵相除

print(_arr1//_arr2) #整除

print(_arr1%_arr2) #取余


#------------统计运算函数------------
print(np.sum(_arr1)) #将元素全部相加

print(np.sum(_arr1,axis=0)) #对每一列求和

print(np.sum(_arr1,axis=1)) #对每一行求和

print(np.max(_arr1)) #求一个矩阵的最大值

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))  #求一个矩阵的最小值

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)) #按从左往右,从上到下的顺序,对每个元素累积求和

print(np.cumsum(_arr1,axis=0)) #计算每一列的累积和,并返回二维数组

print(np.cumsum(_arr1,axis=1)) #计算每一行的累积和,并返回二维数组

print(np.mean(_arr1))  #计算所有元素的均值

print(np.mean(_arr1,axis=0)) #计算每一列的均值

print(np.mean(_arr1,axis=1)) #计算每一行的均值

print(np.median(_arr1)) #计算矩阵中所有元素的中位数

print(np.median(_arr1,axis=0)) #计算每一列的中位数

print(np.median(_arr1,axis=1)) #计算每一行的中位数

print(np.var(_arr1)) #计算所有元素的方差

print(np.var(_arr1,axis=0)) #计算每一列的方差

print(np.var(_arr1,axis=1)) #计算每一行的方差

print(np.std(_arr1)) #计算所有元素的标准差

print(np.std(_arr1,axis=0)) #计算每一列的标准差

print(np.std(_arr1,axis=1)) #计算每一行的标准差

print(np.where(_arr1>0 ,'正数','负数'))

'''
其它函数

unique(x):计算x的唯一元素,并返回有序结果

intersect(x,y):计算x和y的公共元素,即交集

union1d(x,y):计算x和y的并集

setdiff1d(x,y):计算x和y的差集,即元素在x中,不在y中

setxor1d(x,y):计算集合的对称差,即存在于一个数组中,但不同时存在于两个数组中

in1d(x,y):判断x的元素是否包含于y中
'''

    下一篇更新线性代数运算

猜你喜欢

转载自www.cnblogs.com/lyr999736/p/9982939.html
今日推荐