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