.NumPy的统计函数 （1）NumPy的统计函数（1）——常用函数

NumPy是一个Python库，专为科学计算而设计，其中包含了大量的数学函数，包括一些强大的统计分析工具。以下是几个常用的NumPy统计函数：

1. **mean()**：计算数组元素的平均值。

   import numpy as np
   arr = np.array([1, 2, 3, 4, 5])
   average = np.mean(arr)

2. **median()**：返回数组的中间值，即中位数。

   median_value = np.median(arr)

3. **std()**：计算数组的标准差，衡量数据分散的程度。

   standard_deviation = np.std(arr)

4. **min()** 和 **max()**：分别返回数组中的最小值和最大值。

   minimum = np.min(arr)
   maximum = np.max(arr)

5. **sum()**：求数组所有元素的总和。

   total_sum = np.sum(arr)

6. **percentile()**：计算给定百分比的数据点位置。

   percentile_75 = np.percentile(arr, 75)

这些函数帮助你在处理数值数据时快速进行基本的描述性统计分析。

相关问题

头哥：Python 数据分析之 2 —— Numpy 统计，第1关：创建特定形态的 ndarray 数组

好的，让我们开始吧！

首先，我们需要导入Numpy库：

import numpy as np

在Numpy中，我们可以使用`np.array()`函数来创建数组。要创建特定形态的数组，我们可以使用以下函数：

- `np.zeros(shape)`：创建一个给定形状并且元素都是0的数组。
- `np.ones(shape)`：创建一个给定形状并且元素都是1的数组。
- `np.full(shape, value)`：创建一个给定形状并且元素都是给定值的数组。
- `np.eye(N)`：创建一个N x N的单位矩阵。
- `np.random.random(shape)`：创建一个给定形状并且元素都是随机值的数组。

其中，`shape`参数可以是一个整数、一个元组或一个列表，用于指定数组的形状。例如：

# 创建一个3行4列的全0数组
zeros_array = np.zeros((3, 4))

# 创建一个2行2列的全1数组
ones_array = np.ones([2, 2])

# 创建一个2行3列的全为5的数组
full_array = np.full((2, 3), 5)

# 创建一个3 x 3的单位矩阵
identity_array = np.eye(3)

# 创建一个2行3列的随机数组
random_array = np.random.random([2, 3])

这些函数可以帮助我们轻松地创建特定形态的数组，让我们能够更加方便地进行数据分析和处理。

numpy.size

numpy.size函数是一个用于返回矩阵或数组中元素个数的函数。它的参数包括输入的矩阵和可选的axis参数，用于指定返回哪一维的元素个数。如果没有指定axis参数，则返回整个矩阵的元素个数。如果指定了axis参数，可以返回指定维度的元素个数。例如，当axis=0时，返回矩阵的行数；当axis=1时，返回矩阵的列数。\[1\]\[2\]\[3\]
#### 引用[.reference_title]
- *1* [python——numpy中的size()函数](https://blog.csdn.net/qq_43212169/article/details/101671499)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
- *2* [numpy中的size()函数](https://blog.csdn.net/qq_25436597/article/details/79079435)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
- *3* [【Python中统计矩阵元素个数 numpy.size()函数】](https://blog.csdn.net/liujingwei8610/article/details/122874046)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]