NumPy имеет довольно много полезных статистических функций для нахождения минимального, максимального, процентильного стандартного отклонения и дисперсии и т. Д. Из заданных элементов в массиве. Функции объясняются следующим образом:
Статистическая функция
Numpy оснащен надежной статистической функцией, как указано ниже
функция | Numpy |
Min | np.min () |
Максимум | np.max () |
Жадный | np.mean () |
медиана | np.median () |
Среднеквадратичное отклонение | np.std () |
Рассмотрим следующий массив
import numpy as np normal_array = np.random.normal(5, 0.5, 10) print(normal_array)
Вывод:
[5.56171852 4.84233558 4.65392767 4.946659 4.85165567 5.61211317 4.46704244 5.22675736 4.49888936 4.68731125]
Пример: статистическая функция
### Min print(np.min(normal_array)) ### Max print(np.max(normal_array)) ### Mean print(np.mean(normal_array)) ### Median print(np.median(normal_array)) ### Sd print(np.std(normal_array))
Вывод:
4.467042435266913 5.612113171990201 4.934841002270593 4.846995625786663 0.3875019367395316