【数据分析&数据挖掘】数组的统计分析

 1 import numpy as np
 2
 3 # 创建一个数组
 4 arr = np.array([[1, 2],[3, 4]])
 5 print("arr: \n", arr)
 6
 7 # 对数组进行统计分析
 8 # sum mean std var min max argmin argmax cumsum cumprod
 9 # 按照行的方向
10 print("arr的统计和: \n", np.sum(arr, axis=0))
11 print("arr的统计均值: \n", np.mean(arr, axis=0))
12 print("arr的统计标准差: \n", np.std(arr, axis=0))
13 print("arr的统计方差: \n", np.var(arr, axis=0))
14 print("arr的统计最小值: \n", np.min(arr, axis=0))
15 print("arr的统计最大值: \n", np.max(arr, axis=0))
16 print("arr的统计最小值的下标: \n", np.argmin(arr, axis=0))
17 print("arr的统计最大值的下标: \n", np.argmax(arr, axis=0))
18 print("arr的统计累计和: \n", np.cumsum(arr, axis=0))
19 print("arr的统计累计积: \n", np.cumprod(arr, axis=0))
20
21 # 按照列的方向
22 print("arr的统计和: \n", np.sum(arr, axis=1))
23 print("arr的统计均值: \n", np.mean(arr, axis=1))
24 print("arr的统计标准差: \n", np.std(arr, axis=1))
25 print("arr的统计方差: \n", np.var(arr, axis=1))
26 print("arr的统计最小值: \n", np.min(arr, axis=1))
27 print("arr的统计最大值: \n", np.max(arr, axis=1))
28 print("arr的统计最小值的下标: \n", np.argmin(arr, axis=1))
29 print("arr的统计最大值的下标: \n", np.argmax(arr, axis=1))
30 print("arr的统计累计和: \n", np.cumsum(arr, axis=1))
31 print("arr的统计累计积: \n", np.cumprod(arr, axis=1))
32
33 # 没有指定轴——按照C风格展开,然后再去统计指标
34 print("arr的统计和: \n", np.sum(arr))
35 print("arr的统计均值: \n", np.mean(arr))
36 print("arr的统计标准差: \n", np.std(arr))
37 print("arr的统计方差: \n", np.var(arr))
38 print("arr的统计最小值: \n", np.min(arr))
39 print("arr的统计最大值: \n", np.max(arr))
40 print("arr的统计最小值的下标: \n", np.argmin(arr))
41 print("arr的统计最大值的下标: \n", np.argmax(arr))
42 print("arr的统计累计和: \n", np.cumsum(arr))
43 print("arr的统计累计积: \n", np.cumprod(arr))

原文地址:https://www.cnblogs.com/Tree0108/p/12115560.html

时间: 2024-10-11 15:43:11

【数据分析&数据挖掘】数组的统计分析的相关文章

06-机器学习.数据分析.数据挖掘的区别于联系

数据分析:数据分析是指用适当的统计分析方法对手机的大量数据进行分析,并提取有用的信息,以及形成结论,从而对数据进行详细的研究和概括过程.在实际工作中,数据分析可帮助人们做出判断;数据分析一般而言可以分为统计分析.探索性数据分析和验证性数据分析三大类. 数据挖掘:一般指从大量的数据中通过算法搜索隐藏于其中的信息的过程.通常通过统计,检索.机器学习.模式匹配等诸多方法来实现这个过程. 机器学习:是数据分析和数据挖掘的一种比较常用.比较好的手段.. 原文地址:https://www.cnblogs.c

【转】数据分析/数据挖掘 入门级选手建议

1.数据分析和数据挖掘联系和区别 联系:都是搞数据的 区别:数据分析偏统计,可视化,出报表和报告,需要较强的表达能力.数据挖掘偏算法,重模型,需要很深的代码功底,要码代码,很多= =. 2.怎么入门 请百度"如何成为一名数据分析师"或者"如何成为一名数据挖掘工程师".英文好上Quora,不行上知乎,看看入门资料. 3.选哪些书 看入门资料给你提供的书,有电子版下电子版,没电子版买纸质书,花不了多少钱. 4.用什么语言 数据分析:excel是必须,R是基本,pytho

【数据分析&数据挖掘】数组的创建

1 import numpy as np 2 import random 3 4 arr = np.array([1,2,3,4]) 5 print('arr:\n', arr) 6 print('arr的类型:\n', type(arr)) 7 8 # 用arange来创建数组 9 arr = np.arange(0, 5, 2) 10 print('arr:\n', arr) 11 print('arr的类型:\n', type(arr)) 12 13 # 生成一个等差数组 14 # 参数1

【数据分析&数据挖掘】数组的重复与去重

1 import numpy as np 2 3 # 创建一个数组 4 arr = np.array([1, 2, 3, 3, 2, 1, 1, 2, 3, 4, 5, 6, 6, 5, 4]) 5 arr = np.array(["h", "j", "k", "x", "h", "k", "j", "x", "k"]) 6 a

【数据分析&数据挖掘】数组的形状

1 import numpy as np 2 3 # 创建一个数组 4 arr = np.arange(16) 5 print("arr:\n", arr) 6 print("arr的形状:", arr.shape) 7 8 # 创建数组的时候不一定能指定其形状 9 # 创建好之后,可以进行形状的修改 10 11 # 可以通过shape属性改变形状,元素个数得一致 12 13 arr.shape = (4, 4) 14 arr.shape = 4, 4 15 arr

【数据分析&数据挖掘】数组的组合&拆分

一.数组的组合 1 import numpy as np 2 3 # 创建数组 4 arr1 = np.arange(9).reshape((3, 3)) 5 arr2 = np.array([[0, 1, 0],[1, 0, 1],[2, 1, 0]]) 6 print("arr1:\n", arr1) 7 print("arr2:\n", arr2) 8 9 # 二维拼接 axis=0 行 axis=1 列 10 res = np.vstack((arr1, a

【数据分析&数据挖掘】数组的数据类型

1 import numpy as np 2 3 # 创建一个数组 4 arr = np.arange(0, 6, 1, dtype=np.int64) 5 arr = np.arange(0, 6, 1, dtype=np.float64) # [0. 1. 2. 3. 4. 5.] 6 # arr = np.array([0,1,2,3,4], dtype=np.bool) 7 print("arr:\n", arr) 8 print("arr的类型:", ty

【数据分析&数据挖掘】数组的排序

1 import numpy as np 2 3 # 创建数组 4 arr = np.array([[8, 1, 9], [7, 6, 5]]) 5 print("arr: \n", arr) 6 7 # sort()直接排序 8 # 在列的方向上排序 9 arr.sort(axis=-1) 10 print("axis=-1排序之后的结果:\n", arr) 11 arr.sort(axis=1) 12 print("axis=1排序之后的结果:\n&q

【数据分析&数据挖掘】数组的通用函数

1 import numpy as np 2 3 # 数组的全通用函数,要求数组的形状必须相同——同型数组 4 # 创建数组 5 arr1 = np.array([[0, 1], [2, 3]]) 6 arr2 = np.array([[1, 2], [3, 4]]) 7 print("arr1: \n", arr1) 8 print("arr2: \n", arr2) 9 10 # # 四则运算——对应位置进行四则运算 11 print("数组相加: \