numpy求平均值_python数据分析—>numpy(4)

基础数组常用方法

1. sum 沿着轴的方向计算所有元素的累加和 ，0长度的数组累加和为0
2. mean 数学平均，0长度的数组平均值为NaN
3. max，min 最大值和最小值
4. argmax，argmin 最大值和最小值的位置
5. std，var 标准差和方差
6. ptp 极差
7. cumsum 从0开始元累积和
8. median 中值

sum的使用

整体求和

部分求和

指定axis=0 求列的和

指定axis=1 求行的和

max，min的用法

argmax，argmin求最大值和最小值的位置

使用mean求平均值

用std，var求 标准差和方差

使用ptp求极差

用cumsum求从零开始的累加和

用median求中值

注意：median是numpy的方法，不是ndarray的方法

NaN与inf

NaN与inf介绍

• NaN：not a number表示不是一个数字
• inf：inf表示正无穷,-inf表示负无穷

注意

• NaN与inf都是浮点类型
• 两个NaN是不相等的

np.nan == np.nan # False

• 判断数组中nan的个数
  • np.count_nonzero(arr) # 计算数组非零的个数
  • np.isnan(arr) # 判断数组元素是否是NaN
  • 法1
    • 用np.nan!=np.nan返回值为bool值True
    • True == 1
    • 再计算非零个数
  • 法2
    • np.isnan(a)
    • np.count_nonzero(np.isnan(a))
• NaN与任何数值计算都是NaN

如何处理NaN

在Numpy中，为了避免处理后NaN的值会对整体的数值有较大的影响，通常我们会将其替换成中值或者均值即可。

Numpy读取本地数据

• np.loadtxt(fname) # 加载文件
  • fname 文件路径
  • dtype 数据类型
  • delimiter #分隔符
  • skiprows 跳过行
  • comment 如果行的开头为 # 就会跳过该行
  • usecols 是指使用(0,2)两列
  • unpack #每一列当成一个向量输出,而不是合并在一起
  • converters 对数据预处理。比如{0:func}第0列进行func函数预处理