Python|手把手教你学Numpy——那些常用的API们
今天是Numpy专题的第5篇文章 ， 我们来继续学习Numpy当中一些常用的数学和统计函数 。
基本统计方法
在日常的工作当中 ， 我们经常需要通过一系列值来了解特征的分布情况 。 比较常用的有均值、方差、标准差、百分位数等等 。 前面几个都比较好理解 ， 简单介绍一下这个百分位数 ， 它是指将元素从小到大排列之后 ， 排在第x%位上的值 。 我们一般常用的是25% ， 50%和75%这三个值 ， 通过这几个值 ， 我们很容易对于整个特征的分布有一个大概的了解 。
前面三个指标：均值、方差、标准差都很好理解 ， 我们直接看代码就行 。
本文插图
median和percentile分别是求中位数与百分位数 ， 它们不是Numpy当中array的函数 ， 而是numpy的库函数 。 所以我们需要把array当做参数传入 。 percentile这个函数还需要额外传入一个int ， 表示我们想要得到的百分位数 ， 比如我们想要知道50%位置上的数 ， 则输入50 。
本文插图
除了这些之外 ， 我们还会经常用到sum ， min ， max ， argmin ， argmax这几个函数 。 sum ， min ， max很好理解 ， argmin和argmax的意思是获取最小值和最大值的索引 。
本文插图
这里返回的索引有点奇怪 ， 和我们想的不同 ， 居然不是一个二维的索引而是一维的 。 实际上numpy的内部会将高维数组转化成一维之后再进行这个操作 ， 我们可以reshape一下数组来进行验证：
本文插图
这些只是api的基本用法 ， numpy当中支持的功能不仅如此 。 我们观察一下这些函数会发现 ， 它们的作用域都是一组数据 ， 返回的是一组数据通过某种运算得到的结果 。 举个例子 ， 比如sum ， 是对一组数据的价格 。 std计算的是一组数据的标准差 ， 这样的函数我们称为聚合函数 。
numpy当中的聚合函数在使用的时候允许传入轴这个参数 ， 限制它聚合的范围 。 我们通过axis这个参数来控制 ， axis=0表示对列聚合 ， axis=1表示对行聚合 。 我们死记的话总是会搞混淆 ， 实际上axis传入的也是一个索引 ， 表示第几个索引的索引 。 我们的二维数组的shape是[行 ，列] ， 其中的第0位是行 ， 第1位是列 ， 可以认为axis是这个索引向量的一个索引 。
我们可以来验证一下：
本文插图
可以看到axis=0和axis=1返回的向量的长度是不同的 ， 因为以列为单位聚合只有4列 ， 所以得到的是一个1 x 4的结果 。 而以行为单位聚合有5行 ， 所以是一个1 x 5的向量 。
除了上面介绍的这些函数之外 ， 还有cumsum和cumprod这两个api 。 其中cumsum是用来对数组进行累加运算 ， 而cumprod是进行的累乘运算 。 只是在实际工作当中 ， 很少用到 ， 我就不展开细讲了 ， 感兴趣的同学可以查阅api文档了解一下 。
bool数组的方法
我们之前在Python的入门文章当中曾经提到过 ， 在Python中True和False完全等价于1和0 。 那么在上面这些计算的方法当中 ， 如果存在bool类型的值 ， 都会被转化成1和0进行的计算 。
我们灵活运用这点会非常方便 ， 举个例子 ， 假设我们要统计一批数据当中有多少条大于0 。 我们利用sum会非常方便：
推荐阅读
- 科技圈|集成灶两大品牌厨壹堂教你解锁三伏天厨房的正确打开方式
- 互联网|教你如何评判自己APP应用的价值体现
- 老年|八个字教你最简单的“逆龄”养生方法
- 电脑使用技巧|教你几招，分分钟让Excel不规范的数据井井有条！
- 美好未来已来|教你快速查询多个极兔快递单号的物流信息并筛选出所有未签收
- 代码|为了更好的代码：12个Python小窍门
- 中年|祛湿除寒，教你懒人做法，夏天一周做5次，孩子都特别喜欢吃
- 中年|多吃鹅肉有什么好处呢，大厨教你一招，在家也能做，不腥也不柴
- 纪老修|999元就能搭配主流主机，性能还不差？我来教你
- 编程语言|Python 编程语言的核心是什么？