NumPy - Chức năng thống kê

NumPy có một số hàm thống kê hữu ích để tìm độ lệch chuẩn và phương sai tối thiểu, tối đa, phần trăm, v.v. từ các phần tử đã cho trong mảng. Các chức năng được giải thích như sau:

numpy.amin () và numpy.amax ()

Các hàm này trả về giá trị nhỏ nhất và giá trị lớn nhất từ ​​các phần tử trong mảng đã cho dọc theo trục được chỉ định.

Thí dụ

import numpy as np 
a = np.array([[3,7,5],[8,4,3],[2,4,9]]) 

print 'Our array is:' 
print a  
print '\n'  

print 'Applying amin() function:' 
print np.amin(a,1) 
print '\n'  

print 'Applying amin() function again:' 
print np.amin(a,0) 
print '\n'  

print 'Applying amax() function:' 
print np.amax(a) 
print '\n'  

print 'Applying amax() function again:' 
print np.amax(a, axis = 0)

Nó sẽ tạo ra kết quả sau:

Our array is:
[[3 7 5]
[8 4 3]
[2 4 9]]

Applying amin() function:
[3 3 2]

Applying amin() function again:
[2 4 3]

Applying amax() function:
9

Applying amax() function again:
[8 7 9]

numpy.ptp ()

Các numpy.ptp() hàm trả về phạm vi (tối đa-tối thiểu) của các giá trị dọc theo trục.

import numpy as np 
a = np.array([[3,7,5],[8,4,3],[2,4,9]]) 

print 'Our array is:' 
print a 
print '\n'  

print 'Applying ptp() function:' 
print np.ptp(a) 
print '\n'  

print 'Applying ptp() function along axis 1:' 
print np.ptp(a, axis = 1) 
print '\n'   

print 'Applying ptp() function along axis 0:'
print np.ptp(a, axis = 0)

Nó sẽ tạo ra kết quả sau:

Our array is:
[[3 7 5]
[8 4 3]
[2 4 9]]

Applying ptp() function:
7

Applying ptp() function along axis 1:
[4 5 7]

Applying ptp() function along axis 0:
[6 3 6]

numpy.percentile ()

Phần trăm (hoặc một phần trăm) là một thước đo được sử dụng trong thống kê cho biết giá trị dưới đó một tỷ lệ phần trăm quan sát nhất định trong một nhóm quan sát giảm xuống. Chức năngnumpy.percentile() lấy các đối số sau đây.

numpy.percentile(a, q, axis)

Ở đâu,

Sr.No.	Lập luận & Mô tả
1	a Mảng đầu vào
2	q Phân vị để tính toán phải từ 0-100
3	axis Trục dọc theo phân vị sẽ được tính

Thí dụ

import numpy as np 
a = np.array([[30,40,70],[80,20,10],[50,90,60]]) 

print 'Our array is:' 
print a 
print '\n'  

print 'Applying percentile() function:' 
print np.percentile(a,50) 
print '\n'  

print 'Applying percentile() function along axis 1:' 
print np.percentile(a,50, axis = 1) 
print '\n'  

print 'Applying percentile() function along axis 0:' 
print np.percentile(a,50, axis = 0)

Nó sẽ tạo ra kết quả sau:

Our array is:
[[30 40 70]
 [80 20 10]
 [50 90 60]]

Applying percentile() function:
50.0

Applying percentile() function along axis 1:
[ 40. 20. 60.]

Applying percentile() function along axis 0:
[ 50. 40. 60.]

numpy.median ()

Medianđược định nghĩa là giá trị phân tách nửa cao hơn của mẫu dữ liệu với nửa dưới. Cácnumpy.median() được sử dụng như trong chương trình sau.

Thí dụ

import numpy as np 
a = np.array([[30,65,70],[80,95,10],[50,90,60]]) 

print 'Our array is:' 
print a 
print '\n'  

print 'Applying median() function:' 
print np.median(a) 
print '\n'  

print 'Applying median() function along axis 0:' 
print np.median(a, axis = 0) 
print '\n'  
 
print 'Applying median() function along axis 1:' 
print np.median(a, axis = 1)

Nó sẽ tạo ra kết quả sau:

Our array is:
[[30 65 70]
 [80 95 10]
 [50 90 60]]

Applying median() function:
65.0

Applying median() function along axis 0:
[ 50. 90. 60.]

Applying median() function along axis 1:
[ 65. 80. 60.]

numpy.mean ()

Trung bình số học là tổng các phần tử dọc theo một trục chia cho số phần tử. Cácnumpy.mean()hàm trả về giá trị trung bình cộng của các phần tử trong mảng. Nếu trục được đề cập, nó được tính toán dọc theo nó.

Thí dụ

import numpy as np 
a = np.array([[1,2,3],[3,4,5],[4,5,6]]) 

print 'Our array is:' 
print a 
print '\n'  

print 'Applying mean() function:' 
print np.mean(a) 
print '\n'  

print 'Applying mean() function along axis 0:' 
print np.mean(a, axis = 0) 
print '\n'  

print 'Applying mean() function along axis 1:' 
print np.mean(a, axis = 1)

Nó sẽ tạo ra kết quả sau:

Our array is:
[[1 2 3]
 [3 4 5]
 [4 5 6]]

Applying mean() function:
3.66666666667

Applying mean() function along axis 0:
[ 2.66666667 3.66666667 4.66666667]

Applying mean() function along axis 1:
[ 2. 4. 5.]

numpy.average ()

Bình quân gia quyền là giá trị trung bình kết quả từ việc nhân mỗi thành phần với một yếu tố phản ánh tầm quan trọng của nó. Cácnumpy.average()hàm tính toán trung bình có trọng số của các phần tử trong một mảng theo trọng số tương ứng của chúng đã cho trong một mảng khác. Hàm có thể có một tham số trục. Nếu trục không được chỉ định, mảng sẽ được làm phẳng.

Xét một mảng [1,2,3,4] và các trọng số tương ứng [4,3,2,1], trung bình có trọng số được tính bằng cách cộng tích của các phần tử tương ứng và chia tổng cho tổng các trọng số.

Trung bình có trọng số = (1 * 4 + 2 * 3 + 3 * 2 + 4 * 1) / (4 + 3 + 2 + 1)

Thí dụ

import numpy as np 
a = np.array([1,2,3,4]) 

print 'Our array is:' 
print a 
print '\n'  

print 'Applying average() function:' 
print np.average(a) 
print '\n'  

# this is same as mean when weight is not specified 
wts = np.array([4,3,2,1]) 

print 'Applying average() function again:' 
print np.average(a,weights = wts) 
print '\n'  

# Returns the sum of weights, if the returned parameter is set to True. 
print 'Sum of weights' 
print np.average([1,2,3, 4],weights = [4,3,2,1], returned = True)

Nó sẽ tạo ra kết quả sau:

Our array is:
[1 2 3 4]

Applying average() function:
2.5

Applying average() function again:
2.0

Sum of weights
(2.0, 10.0)

Trong một mảng nhiều chiều, trục để tính toán có thể được chỉ định.

Thí dụ

import numpy as np 
a = np.arange(6).reshape(3,2) 

print 'Our array is:' 
print a 
print '\n'  

print 'Modified array:' 
wt = np.array([3,5]) 
print np.average(a, axis = 1, weights = wt) 
print '\n'  

print 'Modified array:' 
print np.average(a, axis = 1, weights = wt, returned = True)

Nó sẽ tạo ra kết quả sau:

Our array is:
[[0 1]
 [2 3]
 [4 5]]

Modified array:
[ 0.625 2.625 4.625]

Modified array:
(array([ 0.625, 2.625, 4.625]), array([ 8., 8., 8.]))

Độ lệch chuẩn

Độ lệch chuẩn là căn bậc hai của giá trị trung bình của độ lệch bình phương so với giá trị trung bình. Công thức cho độ lệch chuẩn như sau:

std = sqrt(mean(abs(x - x.mean())**2))

Nếu mảng là [1, 2, 3, 4], thì giá trị trung bình của nó là 2,5. Do đó, độ lệch bình phương là [2,25, 0,25, 0,25, 2,25] và căn bậc hai của trung bình của nó chia cho 4, tức là sqrt (5/4) là 1,1180339887498949.

Thí dụ

import numpy as np 
print np.std([1,2,3,4])

Nó sẽ tạo ra kết quả sau:

1.1180339887498949

Phương sai

Phương sai là giá trị trung bình của các độ lệch bình phương, tức là mean(abs(x - x.mean())**2). Nói cách khác, độ lệch chuẩn là căn bậc hai của phương sai.

Thí dụ

import numpy as np 
print np.var([1,2,3,4])

Nó sẽ tạo ra kết quả sau:

1.25