在应用NumPy的各种场景中，除了之前提到的使用逻辑运算进行数据的筛选之外，最常见的就是进行数据的统计分析了。本文就来简单介绍下NumPy所支持的常见的统计运算，以及在多维数组的统计运算中，无法回避的“轴”的概念。
本文的主要内容有：
1、ndarray中常见的统计运算
2、利用轴axis参数实现更灵活的统计
3、argmax()与argmin()函数的使用
ndarray中常见的统计运算NumPy中的ndarray支持各种常见的统计运算，按照官方文档的描述，可以将这些统计运算分为4类。需要说明的是，同其他函数类似，大部分统计函数都有另种使用方法：
1）通过np.xxx(data)函数的形式进行使用
2）通过ndarray.xxx()方法的形式进行使用
1、顺序相关的统计
对几个常见的函数稍作解释：
1）np.ptp()函数：用于计算数组中的最大值和最小值的差值，可以简单估计数据的范围和浮动情况。
2）np.percentile()函数：用于计算给定数据集的百分位数。
所谓百分位数是指将数据集按照升序进行排列后，把它分成100个相等部分的位置。换句话说，百分位数是指在样本中，有多少百分比的数据点小于或等于该值。
函数中最关键的参数q，就是要就算的百分位数，取值范围为0到100.
3）np.quantile()函数：用于计算给定数据集的分位数。
所谓分位数是指将数据集按照升序排列后，把它分成n个相等部分的位置。
与percentile()函数的不同是，quantile()函数的参数是分位数的比例，而不再是百分比。
函数中最关键的参数q，就是要计算的分位数，取值范围为0到1，比如0.25就表示25%分位数。
下面通过代码，简单演示下这三个常用函数的使用：
2、平均值与方差相关
对几个常用的函数简单解释一下：
1）np.median()函数：用于计算数据集的中位数。
2）np.mean()函数：用于计算数据集的算术平均值
3）np.average()函数：用于计算数据集的加权平均值
4）np.std()函数：用于计算数据集的标准差，标准差是方差的平方根。
5）np.var()函数：用于计算数据集的方差。
接下来，通过代码演示这几个常用函数的使用：
3、相关性的统计
相关性的统计，一般是两个或者多个数据集之间的统计运算，用于帮助我们了解变量之间的关系，以了解他们是如何相互影响。
1）np.corrcoef()函数：用于计算两个变量或者多个变量之间的相关系数矩阵。
其中，相关系数的值在-1到1之间，表示变量之间线性关系的强度和方向。
2）np.cov()函数：用于计算两个或者多个变量之间的协方差矩阵。
协方差矩阵提供了变量之间的线性关系的方向和强度信息。
3）np.correlate()函数：用于计算两个一维数组的相关性，常用于信号处理和统计分析，帮助我们理解两个序列之间的相似性或相关性。
同样，通过代码简单演示下这几个函数的使用：
4、分布的统计
关于数据分布的统计函数，常用的有如下几个：
1）np.histogram()函数：用于计算数据的直方图，返回数据的频数和对应的区间（bins）。
2）np.bincount()函数：用于计算非负证书数组中的每个整数出现的次数。返回一个数组，数组的索引对应输入数组中的整数值，数组的元素对应整数的出现次数。
3）np.digitize()函数：用于将输入数组中的元素分配到指定的区间（bins）。返回一个数组，表示每个输入值属于哪个区间。
通过代码演示这几个函数的使用：
首先是直方图：
然后是分别计算非负整数的出现的频数，以及每个数据元素所属的统计区间：
上面演示这些统计函数时，其实没有考虑数组的形状，都是将数组中的所有数据进行统一处理。其实，更多场景中，我们需要将数据按照不同的轴axis进行统计。
下面，通过一个二维数组的最大值、最小值的统计，简单演示下轴的使用。
通过上述代码创建了一个形状为(3, 2)的二维数组：
如果我们对该数组进行索引、切片，可以如下图所示：
当我们不考虑数组的形状，直接用上面的统计函数，直接对整个数组进行统计时，如下图所示：
由于这是一个二维数组，更加常见的统计需求，可能是统计每一行的最大值、最小值，或者统计每一列的最大值、最小值等。
可以通过如下代码演示，按照轴进行的统计运算：
实际执行的效果如下图所示：
所谓axis参数，在这里是指统计计算执行的方向。所以：
当axis=0时，表示在第0轴的方向上进行统计，在二维数组中就是按照列进行统计了。
当axis=1时，表示在第1轴的方向上进行统计，在二维数组中就是按照行进行统计了。
在NumPy的不同使用场景中，关于轴的含义，有时候可能容易引起混淆，其实，只要多使用，或者将函数结果输出，以验证对应函数的axis的含义，即可避免错误。所以，也不需要进行强行记忆。
argmax()与argmin()函数的使用在实际统计中，还有一种场景比较常见，就是我们有时不仅要获取最大值或者最小值，更多的是想知道最大值或最小值的位置。
我们可以通过argmax()和argmin()这两个函数来实现这种需求。
下面通过代码简单演示，首先看一维数组中的使用：
然后看下二维数组中的使用：
本文简单介绍了NumPy中支持的四类统计相关的函数，分别是：顺序相关的统计函数、均值方差相关的统计函数、相关性相关的统计函数、分布相关的统计函数。同时介绍了轴的概念以及按照轴axis进行统计的不同。最后介绍了argmax()和argmin()函数的使用。
以上就是本文的全部内容了，感谢您的拨冗阅读！
