本日讲一下numpy中一些通例的数据统计功能，以及怎样操纵数组的排序和搜索。
这些在现实的数据分析场景经中常常用到。
统计操纵
照旧把常用的方法汇总一个表：
功能方法分析数组求和object.sum()盘算一个数组的元素之和求均匀数object.mean()盘算一个数组的元素均匀值求方差object.var()盘算一个数组的元素方差值求标准差object.std()盘算一个数组的元素方差值求极差object.ptp()盘算一个数组极大值和极小值之差求中位数np.median(a)盘算一个数组的元素中位数求最大值object.max()盘算一个数组的元素最大值求中位数object.min()盘算一个数组的元素最大值import numpy as nparr = np.arange(10)print('arr数组的和为：', arr.sum())print('arr数组的均匀值为：', arr.mean())print('arr数组的方差为：', arr.var())print('arr数组的标准差为：', arr.std())print('arr数组的极差为：', arr.ptp())print('arr数组的中位数为：', np.median(a=arr))# 运算结果：arr数组的和为： 45arr数组的均匀值为： 4.5arr数组的方差为： 8.25arr数组的标准差为： 2.8722813232690143arr数组的极差为： 9arr数组的中位数为： 4.5arr = np.arange(10).reshape((2,5))print('arr数组：\n', arr)print('arr数组每列的最大元素为：', arr.max(axis=1))print('arr数组的最小元素为：', arr.min())# 运算结果：arr数组： [[0 1 2 3 4] [5 6 7 8 9]]arr数组每列的最大元素为： [4 9]arr数组的最小元素为： 0以上的统计方法中另有一些可选参数。
如axis、dtype等通用参数，或差异统计方法特定的可选参数等，用以实现更加风雅的盘算。
由于明白起来很轻易，这里不再睁开细讲。感爱好的可以百度，或检察方法的源代码。
- pycharm检察某个方法的源码：按住ctrl左键单击该方法。
排序操纵
重要先容两个排序方法：
np.sort()，返回排序后的数组
sort()方法有几个参数相识一下：
- a=， 指定排序的数组
- axis=， 指定排序的轴
- kind=，指定排序的算法
kind参数选择差异的算法，其速率、复杂度、稳固性等有肯定差异。从网上找了个先容，相识一下即可：
kind参数速率最坏复杂度工作空间稳固性kind='quicksort'1O(n^2)0弱kind='quicksort'2O(n*log(n)0-(n/2)强kind='quicksort'3O(n*log(n)0弱
- order=，指定排序的字段（用于前面讲过的结构化数组）
import numpy as nparr = np.random.randint(1,50,24).reshape((3,2,4)) # 1-49，随机天生24个元素，构建（3,2,4）数组sort_arr = np.sort(a=arr, axis=2, kind='mergesort') # 块、行稳定，按列排序print('arr数组：\n', arr)print('排序后：\n', sort_arr)# 运算结果：arr数组： [[[24 40 47 38] [37 10 27 11]] [[ 7 17 2 26] [24 41 42 6]] [[32 22 4 37] [13 48 7 16]]]排序后： [[[24 38 40 47] [10 11 27 37]] [[ 2 7 17 26] [ 6 24 41 42]] [[ 4 22 32 37] [ 7 13 16 48]]]np.argsort()，返回排序后的索引值
import numpy as nparr = np.random.randint(1,50,12) # 1-49，随机天生24个元素sort_arr = np.argsort(a=arr)print('arr数组：\n', arr)print('排序后的索引：\n', sort_arr)print('根据索引查找排序后的数组为：\n', arr[sort_arr])# 运算结果：arr数组： [48 39 30 41 39 12 33 4 20 15 30 27]排序后： [ 7 5 9 8 11 2 10 6 1 4 3 0]根据索引查找排序后的数组为： [ 4 12 15 20 27 30 30 33 39 39 41 48]搜索
常用有以下搜索的方法：
功能方法查找满足条件的元素的索引坐标np.argwhere('条件')查找满足条件的元素的索引值np.where('条件')查找非零元素的索引坐标np.nonzero()查找最大元素的索引坐标np.argmax()import numpy as nparr = np.arange(12).reshape(3,4)print('arr数组：\n', arr)print('满足条件的元素坐标：\n', np.argwhere(arr > 5)) # argwhere返回索引坐标print('满足条件的元素索引值：\n', np.where(arr > 5)) # where返回索引值。由于是二维的，返回行和列两组索引值，其索引逐一对应print('非零元素的索引值：\n', np.nonzero(arr))print('数组元素最大值的索引坐标为：\n', np.argmax(arr)) # 把数组摊平后返回索引坐标print('数组元素最小值的索引坐标为：\n', np.argmin(arr)) # 把数组摊平后返回索引坐标# 提取数组中满足某个条件的元素的方法：print('数组中的元素是否大于5：\n', arr > 5) # 指定一个条件print('大于5的元素有：\n', arr[arr > 5]) # 提取bool对应的元素值# 运算结果：arr数组： [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]]满足条件的元素坐标： [[1 2] [1 3] [2 0] [2 1] [2 2] [2 3]]满足条件的元素索引值： (array([1, 1, 2, 2, 2, 2], dtype=int64), array([2, 3, 0, 1, 2, 3], dtype=int64))非零元素的索引值： (array([0, 0, 0, 1, 1, 1, 1, 2, 2, 2, 2], dtype=int64), array([1, 2, 3, 0, 1, 2, 3, 0, 1, 2, 3], dtype=int64))数组元素最大值的索引坐标为： 11数组元素最小值的索引坐标为： 0数组中的元素是否大于5： [[False False False False] [False False True True] [ True True True True]]大于5的元素有： [ 6 7 8 9 10 11] |
