numpy车辆统计简单案例

下面是一个简单的numpy车辆统计案例，假设有一段时间内，某个路口通过的车辆数如下：

import numpy as np

data = np.array([45, 56, 78, 89, 32, 67, 44, 91, 73, 52, 67, 55, 88, 47, 62, 51, 77, 66, 52, 82])

现在我们想要对这些车辆数据进行统计，例如计算平均值、中位数、标准差等。

# 计算平均值
mean = np.mean(data)
print("平均值为：", mean)

# 计算中位数
median = np.median(data)
print("中位数为：", median)

# 计算标准差
std = np.std(data)
print("标准差为：", std)

输出结果如下：

平均值为： 63.1
中位数为： 66.0
标准差为： 18.48840366925468

除此之外，我们还可以使用numpy的一些函数进行更加复杂的统计分析，例如计算最大值、最小值、四分位数等等。

# 计算最大值
max_value = np.max(data)
print("最大值为：", max_value)

# 计算最小值
min_value = np.min(data)
print("最小值为：", min_value)

# 计算四分位数
q1 = np.percentile(data, 25)
q2 = np.percentile(data, 50)
q3 = np.percentile(data, 75)
print("第一四分位数为：", q1)
print("中位数为：", q2)
print("第三四分位数为：", q3)

输出结果如下：

最大值为： 91
最小值为： 32
第一四分位数为： 51.5
中位数为： 66.0
第三四分位数为： 77.25

通过这些统计分析，我们可以更好地了解车辆通过量的分布情况。