文章目录
- 专栏导读
- 1、np.mean()
- 2、np.median()
- 3、np.std()
- 4、np.var()
- 5、np.min()
- 6、np.max()
- 7、np.sum()
- 8、np.prod()
- 9、np.percentile()
- 10、np.any()
- 11、np.all()
专栏导读
✍ 作者简介：i阿极，CSDN Python领域新星创作者，专注于分享python领域知识。
✍ 本文录入于《数据分析之道》，本专栏针对大学生、初级数据分析工程师精心打造，对python基础知识点逐一击破，不断学习，提升自我。
✍ 订阅后，可以阅读《数据分析之道》中全部文章内容，包含python基础语法、数据结构和文件操作，科学计算，实现文件内容操作，实现数据可视化等等。
✍ 其他专栏：《数据分析案例》 ，《机器学习案例》😊😊😊如果觉得文章不错或能帮助到你学习，可以点赞👍收藏📁评论📒+关注哦！👍👍👍
📜📜📜如果有小伙伴需要数据集和学习交流，文章下方有交流学习区！一起学习进步！💪
1、np.mean()
np.mean()：计算数组的平均值。它将数组中所有元素相加，然后除以数组的长度，得到平均值。
import numpy as nparr = np.array([1, 2, 3, 4, 5])mean = np.mean(arr)print(mean) 
2、np.median()
np.median()：计算数组的中位数。它将数组按升序排序，然后找到中间位置的元素作为中位数，如果数组长度为偶数，则取中间两个数的平均值作为中位数。
arr = np.array([1, 2, 3, 4, 5])median = np.median(arr)print(median) 
3、np.std()
np.std()：计算数组的标准差。标准差衡量数据的离散程度，它衡量每个数据点相对于平均值的偏离程度。
arr = np.array([1, 2, 3, 4, 5])std = np.std(arr)print(std) 
4、np.var()
np.var()：计算数组的方差。方差衡量数据的离散程度，它是每个数据点与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()：找到数组的最小值。
arr = np.array([1, 2, 3, 4, 5])min_value = np.min(arr)print(min_value) 
6、np.max()
np.max()：找到数组的最大值。
arr = np.array([1, 2, 3, 4, 5])max_value = np.max(arr)print(max_value) 
7、np.sum()
np.sum()：计算数组元素的总和。
arr = np.array([1, 2, 3, 4, 5])sum_value = np.sum(arr)print(sum_value) 
8、np.prod()
np.prod()：计算数组元素的乘积。
arr = np.array([1, 2, 3, 4, 5])prod_value = np.prod(arr)print(prod_value) 
9、np.percentile()
np.percentile()：计算数组的分位数。分位数是指将数据按升序排序后，将数据划分为多个等分的数值点。例如，25%分位数表示将数据划分为四等分后，位于第一个四分位数位置的数值点。
arr = np.array([1, 2, 3, 4, 5])percentile = np.percentile(arr, 50)print(percentile) 
10、np.any()
np.any()：检查数组中是否有任意一个元素满足条件。如果数组中有至少一个元素满足条件，则返回True，否则返回False。
arr = np.array([1, 2, 3, 4, 5])any_value = np.any(arr > 3)print(any_value) 
11、np.all()
np.all()：检查数组中的所有元素是否都满足条件。如果数组中的所有元素都满足条件，则返回True，否则返回False。
arr = np.array([1, 2, 3, 4, 5])all_value = np.all(arr > 0)print(all_value)
📢文章下方有交流学习区！一起学习进步！💪💪💪
📢首发CSDN博客，创作不易，如果觉得文章不错，可以点赞👍收藏📁评论📒
📢你的支持和鼓励是我创作的动力❗❗❗
