静态网站flash,如何实现网站的快速排名,html网站引导页模板,个人成立公司怎么做企业网站NumPy 提供了很多统计函数#xff0c;用于从数组中查找最小元素#xff0c;最大元素#xff0c;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… 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
