Numpy-聚合函数
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。
| 函数名 | 说明 |
|---|---|
np.sum() | 求和 |
np.prod() | 所有元素相乘 |
np.mean() | 平均值 |
np.std() | 标准差 |
np.var() | 方差 |
np.median() | 中位数 |
np.power() | 幂运算 |
np.sqrt() | 开方 |
np.min() | 最小值 |
np.max() | 最大值 |
np.argmin() | 最小值的下标 |
np.argmax() | 最大值的下标 |
np.inf | 无穷大 |
np.exp(10) | 以 e 为底的指数 |
np.log(10) | 对数 |
- numpy.power() 函数将第一个输入数组中的元素作为底数，计算它与第二个输入数组中 相应元素的幂。
- numpy.mean() 函数返回数组中元素的算术平均值。 如果提供了轴，则沿其计算。 算术平均值是沿轴的元素的总和除以元素的数量。
- 在大多数数学和编程环境中，默认情况下，
log函数指的是以 10 为底的对数，即常用的“十进制对数”或“常用对数”。在 NumPy 中，默认的log函数是以 e（欧拉常数，约等于 2.71828）为底的对数，即自然对数。因此，在使用log函数时，需要注意所处的环境和上下文，以确保使用的是正确的对数底数。如果需要计算以 10 为底的对数，可以使用np.log10()函数。
🎯实战
# coding: utf-8import numpy as np# 示例数组
arr = np.array([1, 2, 3, 4, 5])# 求和
print(np.sum(arr)) # 输出：15# 所有元素相乘
print(np.prod(arr)) # 输出：120# 平均值
print(np.mean(arr)) # 输出：3.0# 标准差
print(np.std(arr)) # 输出：1.4142135623730951# 方差
print(np.var(arr)) # 输出：2.0# 中位数
print(np.median(arr)) # 输出：3.0# 幂运算
print(np.power(arr, 2)) # 输出：[ 1 4 9 16 25]# 开方
print(np.sqrt(arr)) # 输出：[1. 1.41421356 1.73205081 2. 2.23606798]# 最小值
print(np.min(arr)) # 输出：1# 最大值
print(np.max(arr)) # 输出：5# 最小值的下标
print(np.argmin(arr)) # 输出：0# 最大值的下标
print(np.argmax(arr)) # 输出：4# 无穷大
print(np.inf) # 输出：inf# 以 e 为底的指数
print(np.exp(10)) # 输出：22026.465794806718# 对数
print(np.log(10)) # 输出：2.302585092994046