NumPy 教程 之 NumPy 统计函数 7

简介: 本教程介绍 NumPy 中的统计函数,特别是 `numpy.average()` 函数,用于计算数组的加权平均值。该函数支持多种参数,如轴、权重和返回值控制。当不指定权重时,默认为等权重,此时函数表现类似于 `mean` 函数。示例展示了如何使用 `average()` 函数进行计算,并通过设置 `returned` 参数为 `True` 返回权重总和。

NumPy 教程 之 NumPy 统计函数 7

NumPy 统计函数

NumPy 提供了很多统计函数,用于从数组中查找最小元素,最大元素,百分位标准差和方差等。

numpy.average()

numpy.average() 函数根据在另一个数组中给出的各自的权重计算数组中元素的加权平均值。

该函数可以接受一个轴参数。 如果没有指定轴,则数组会被展开。

加权平均值即将各数值乘以相应的权数,然后加总求和得到总体值,再除以总的单位数。

考虑数组[1,2,3,4]和相应的权重[4,3,2,1],通过将相应元素的乘积相加,并将和除以权重的和,来计算加权平均值。

加权平均值 = (14+23+32+41)/(4+3+2+1)

函数语法:

numpy.average(a, axis=None, weights=None, returned=False)

参数说明:

a: 输入的数组,可以是一个 NumPy 数组或类似数组的对象。
axis: 可选参数,用于指定在哪个轴上计算加权平均值。如果不提供此参数,则计算整个数组的加权平均值。可以是一个整数表示轴的索引,也可以是一个元组表示多个轴。
weights: 可选参数,用于指定对应数据点的权重。如果不提供权重数组,则默认为等权重。
returned: 可选参数,如果为True,将同时返回加权平均值和权重总和。

实例

import numpy as np

a = np.array([1,2,3,4])
print ('我们的数组是:')
print (a)
print ('\n')
print ('调用 average() 函数:')
print (np.average(a))
print ('\n')

不指定权重时相当于 mean 函数

wts = np.array([4,3,2,1])
print ('再次调用 average() 函数:')
print (np.average(a,weights = wts))
print ('\n')

如果 returned 参数设为 true,则返回权重的和

print ('权重的和:')
print (np.average([1,2,3, 4],weights = [4,3,2,1], returned = True))

输出结果为:

我们的数组是:
[1 2 3 4]

调用 average() 函数:
2.5

再次调用 average() 函数:
2.0

权重的和:
(2.0, 10.0)

目录
相关文章
|
19天前
|
Python
NumPy 教程 之 NumPy 统计函数 9
NumPy提供了多种统计函数,如计算数组中的最小值、最大值、百分位数、标准差及方差等。其中,标准差是一种衡量数据平均值分散程度的指标,它是方差的算术平方根。例如,对于数组[1,2,3,4],其标准差可通过计算各值与均值2.5的差的平方的平均数的平方根得出,结果为1.1180339887498949。示例代码如下: ```python import numpy as np print(np.std([1,2,3,4])) ``` 运行输出即为:1.1180339887498949。
110 50
|
19天前
|
Python
NumPy 教程 之 NumPy 统计函数 10
NumPy统计函数,包括查找数组中的最小值、最大值、百分位数、标准差和方差等。方差表示样本值与平均值之差的平方的平均数,而标准差则是方差的平方根。例如,`np.var([1,2,3,4])` 的方差为 1.25。
94 48
|
21天前
|
Python
NumPy 教程 之 NumPy 统计函数 4
这段内容介绍了NumPy库中的统计函数,特别是`numpy.percentile()`函数的应用。该函数用于计算数组中的百分位数,即一个值之下所包含的观测值的百分比。通过实例展示了如何使用此函数来计算不同轴上的百分位数,并保持输出的维度不变。
27 5
|
20天前
|
存储 索引 Python
NumPy 教程 之 NumPy 统计函数 6
这段内容介绍了 NumPy 中的 `numpy.mean()` 函数,该函数用于计算数组元素的算术平均值。通过设置 `axis` 参数,可以在不同轴上计算平均值。示例展示了如何对一个二维数组进行整体及按行、列计算平均值的过程及其结果。
27 2
|
21天前
|
存储 Serverless 索引
NumPy 教程 之 NumPy 统计函数 3
这段教程介绍了 NumPy 中的 `numpy.ptp()` 函数,该函数用于计算数组中最大值与最小值之间的差值。通过不同参数设置,如 `axis`、`out` 和 `keepdims` 等,可以在不同维度上进行计算。示例展示了如何使用 `ptp()` 函数对二维数组进行整体及按行、列计算峰峰值。
25 3
|
20天前
|
存储 索引 Python
NumPy 教程 之 NumPy 统计函数 5
NumPy提供了多种统计函数,如`numpy.median()`用于计算数组元素的中位数。该函数可通过设置参数`axis`指定计算轴向,`out`指定结果存放位置,`overwrite_input`允许使用输入数组内存以提升性能,`keepdims`保持结果数组维度。示例展示了在不同轴向上调用`median()`的结果。
24 1
|
22天前
|
存储 索引 Python
NumPy 教程 之 NumPy 统计函数 2
这段内容介绍了 NumPy 中用于统计分析的函数,特别是 `numpy.amin()` 和 `numpy.amax()` 的使用方法及其参数说明。这两个函数分别用于计算数组沿指定轴方向的最小值和最大值,通过设置参数 `axis` 可以指定计算的方向,并且提供了 `out`, `keepdims`, `initial`, `where` 等选项来灵活控制计算过程和结果。示例展示了如何利用这两个函数对二维数组进行操作并获取不同轴上的极值。
29 1
|
22天前
|
存储 数据处理 索引
NumPy 教程 之 NumPy 统计函数 1
这段内容介绍了 `NumPy` 中用于统计分析的基本函数,重点讲述了 `numpy.amin()` 和 `numpy.amax()` 的使用方法及参数含义,这两个函数分别用于计算数组中的最小值和最大值,提供了包括指定轴、输出位置在内的多种可选参数设置。这有助于用户更灵活地进行数据处理与分析。
23 1
|
19天前
|
索引 Python
NumPy 教程 之 NumPy 统计函数 8
这段内容介绍了 NumPy 中的 `numpy.average()` 函数,该函数用于计算数组中元素的加权平均值。可以通过设置 `axis` 参数指定计算的轴,`weights` 参数用于指定权重,默认为等权重。示例展示了如何在一维和多维数组中使用此函数,并通过 `returned=True` 返回加权平均值和权重总和。
19 0
|
2月前
|
存储 Python
NumPy 教程 之 NumPy 创建数组 8
**NumPy创建数组:使用`zeros_like`创建与原数组形状相同的零数组。`zeros_like(a, dtype=None, order='K', subok=True, shape=None)`基于给定数组`a`的形状,生成所有元素为0的新数组。参数可定制数据类型、存储顺序和形状。实例:创建一个3x3的零矩阵。**
34 7