07_統計方法

數學和統計方法

在這些方法中，布爾值中的 True 和 False 會被相應地轉換爲 1 和 0 參與計算

import numpy as np

arr = np.array([[np.NaN, 0, 1, 2, 3],
                [ 4, 5, np.NaN, 6, 7],
                [ 8, 9, 10, np.NaN, 11]])
arr

>>> array([[nan,  0.,  1.,  2.,  3.],
           [ 4.,  5., nan,  6.,  7.],
           [ 8.,  9., 10., nan, 11.]])

---

• amin(a[, axis, out, keepdims])

  • 返回數組的最小值或沿軸的最小值

• amax(a[, axis, out, keepdims])

  • 返回數組的最大值或沿軸的最大值

    np.amin(arr)
    

    >>> nan
    

    np.amax(arr)
    

    >>> nan
    

---

• nanmin(a[, axis, out, keepdims])

  • 返回數組的最小值或沿軸的最小值，忽略任何NAN

• nanmax(a[, axis, out, keepdims])

  • 返回數組的最大值或沿軸方向的最大值，忽略任何NAN

    np.nanmax(arr) # 默認是計算flatten之後的數組，可以指定axis參數 0/1
    

    >>> 11.0
    

    np.nanmax(arr,0)
    

    >>> array([ 8.,  9., 10.,  6., 11.])
    

    np.nanmax(arr,1)
    

    >>> array([ 3.,  7., 11.])
    

    np.nanmin(arr)
    

    >>> 0.0
    

---

• median(a[, axis, out, overwrite_input, keepdims])

  • 沿指定軸計算中值

    np.median(arr)
    

    >>> nan
    

    np.median(arr, 0)
    

    >>> array([nan,  5., nan, nan,  7.])
    

    np.median(arr, 1)
    

    >>> array([nan, nan, nan])
    

---

• nanmedian(a[, axis, out, overwrite_input, …])

  • 在忽略NAS的情況下，沿指定的軸計算中值

    np.nanmedian(arr) # 中位數
    

    >>> 5.5
    

    np.nanmedian(arr, 0)
    

    >>> array([6. , 5. , 5.5, 4. , 7. ])
    

    np.nanmedian(arr, 1)
    

    >>> array([1.5, 5.5, 9.5])
    

---

• average(a[, axis, weights, returned])

  • 計算沿指定軸的加權平均

    arr1 = np.array([[2, 2, 2, 2, 2],
                    [ 3, 3, 3, 3, 3],
                    [ 4, 4, 4, 4, 4]])
    np.average(arr, weights=arr1)
    

    >>> nan
    

    np.average(arr, weights=arr1 ,axis=0)
    

    >>> array([ nan, 5.66666667, nan, nan, 7.88888889])
    

    np.average(arr, weights=arr1 ,axis=1)
    

    >>> array([nan, nan, nan])
    

---

• mean(a[, axis, dtype, out, keepdims])

  • 沿指定的軸計算算術平均值

    np.mean(arr) # 平均值
    

    >>> nan
    

• nanmean(a[, axis, dtype, out, keepdims])

  • 計算沿指定軸的算術平均值，忽略NAN

    np.nanmean(arr) # 平均值
    

    >>> 5.5
    

    np.nanmean(arr,0) 
    

    >>> array([6.        , 4.66666667, 5.5       , 4.        , 7.        ])
    

    np.nanmean(arr,1)
    

    >>> array([1.5, 5.5, 9.5])
    

---

• std(a[, axis, dtype, out, ddof, keepdims])

  • 計算沿指定軸的標準偏差

    np.std(arr) # 標準差
    

    >>> nan
    

• nanstd(a[, axis, dtype, out, ddof, keepdims])

  • 計算指定軸上的標準偏差，而忽略NAN

    np.nanstd(arr) # 標準差
    

    >>> 3.452052529534663
    

    np.nanstd(arr, 0)
    

    >>> array([2.        , 3.68178701, 4.5       , 2.        , 3.26598632])
    

    np.nanstd(arr, 1)
    

    >>> array([1.11803399, 1.11803399, 1.11803399])
    

---

• var(a[, axis, dtype, out, ddof, keepdims])

  • 計算沿指定軸的方差

    np.var(arr) # 方差
    

    >>> nan
    

• nanvar(a[, axis, dtype, out, ddof, keepdims])

  • 計算指定軸上的方差，同時忽略NAN

    np.nanvar(arr) # 方差
    

    >>> 11.916666666666666
    

布爾值 True 和 False 會被轉爲 1 和 0 參與計算

bool_arr = np.array([0.7, 0, 0.5, True, False, True, True, True, False, True])
bool_arr.sum()

>>> 6.2

---

arr2 = np.array([0.1, 0.2, 0.3, True, False])
np.amax(arr2)
np.amin(arr2)

>>> 1.0
>>> 0.0