專欄導讀

? 作者簡介：i阿極，CSDN Python領域新星創(chuàng)作者，專注于分享python領域知識。

? 本文錄入于《數(shù)據(jù)分析之道》，本專欄針對大學生、初級數(shù)據(jù)分析工程師精心打造，對python基礎知識點逐一擊破，不斷學習，提升自我。
? 訂閱后，可以閱讀《數(shù)據(jù)分析之道》中全部文章內(nèi)容，包含python基礎語法、數(shù)據(jù)結構和文件操作，科學計算，實現(xiàn)文件內(nèi)容操作，實現(xiàn)數(shù)據(jù)可視化等等。
? 其他專欄：《數(shù)據(jù)分析案例》 ，《機器學習案例》

??????如果覺得文章不錯或能幫助到你學習，可以點贊??收藏??評論??+關注哦！??????

??????如果有小伙伴需要數(shù)據(jù)集和學習交流，文章下方有交流學習區(qū)！一起學習進步！??

1、np.mean()

np.mean()：計算數(shù)組的平均值。它將數(shù)組中所有元素相加，然后除以數(shù)組的長度，得到平均值。

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

2、np.median()

np.median()：計算數(shù)組的中位數(shù)。它將數(shù)組按升序排序，然后找到中間位置的元素作為中位數(shù)，如果數(shù)組長度為偶數(shù)，則取中間兩個數(shù)的平均值作為中位數(shù)。

arr = np.array([1, 2, 3, 4, 5])
median = np.median(arr)
print(median) 

3、np.std()

np.std()：計算數(shù)組的標準差。標準差衡量數(shù)據(jù)的離散程度，它衡量每個數(shù)據(jù)點相對于平均值的偏離程度。

arr = np.array([1, 2, 3, 4, 5])
std = np.std(arr)
print(std)  

4、np.var()

np.var()：計算數(shù)組的方差。方差衡量數(shù)據(jù)的離散程度，它是每個數(shù)據(jù)點與平均值的差的平方的平均值。

arr = np.array([1, 2, 3, 4, 5])
var = np.var(arr)
print(var)

5、np.min()

np.min()：找到數(shù)組的最小值。

arr = np.array([1, 2, 3, 4, 5])
min_value = np.min(arr)
print(min_value) 

6、np.max()

np.max()：找到數(shù)組的最大值。

arr = np.array([1, 2, 3, 4, 5])
max_value = np.max(arr)
print(max_value) 

7、np.sum()

np.sum()：計算數(shù)組元素的總和。

arr = np.array([1, 2, 3, 4, 5])
sum_value = np.sum(arr)
print(sum_value) 

8、np.prod()

np.prod()：計算數(shù)組元素的乘積。

arr = np.array([1, 2, 3, 4, 5])
prod_value = np.prod(arr)
print(prod_value) 

9、np.percentile()

np.percentile()：計算數(shù)組的分位數(shù)。分位數(shù)是指將數(shù)據(jù)按升序排序后，將數(shù)據(jù)劃分為多個等分的數(shù)值點。例如，25%分位數(shù)表示將數(shù)據(jù)劃分為四等分后，位于第一個四分位數(shù)位置的數(shù)值點。

arr = np.array([1, 2, 3, 4, 5])
percentile = np.percentile(arr, 50)
print(percentile) 

10、np.any()

np.any()：檢查數(shù)組中是否有任意一個元素滿足條件。如果數(shù)組中有至少一個元素滿足條件，則返回True，否則返回False。

arr = np.array([1, 2, 3, 4, 5])
any_value = np.any(arr > 3)
print(any_value)  

11、np.all()

np.all()：檢查數(shù)組中的所有元素是否都滿足條件。如果數(shù)組中的所有元素都滿足條件，則返回True，否則返回False。

arr = np.array([1, 2, 3, 4, 5])
all_value = np.all(arr > 0)
print(all_value)

??文章下方有交流學習區(qū)！一起學習進步！??????
??首發(fā)CSDN博客，創(chuàng)作不易，如果覺得文章不錯，可以點贊??收藏??評論??
??你的支持和鼓勵是我創(chuàng)作的動力???文章來源地址http://www.zghlxwxcb.cn/news/detail-458902.html

到了這里，關于【數(shù)據(jù)分析之道-Numpy(八)】numpy統(tǒng)計函數(shù)的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關文章，希望大家以后多多支持TOY模板網(wǎng)！