NumPy 學習筆記（四）

NumPy 算術函數：

　　1、numpy.reciprocal(arr) 返回參數逐個元素的倒數

　　2、numpy.power(one, two) 將第一個輸入數組中的元素作為底數，計算它與第二個輸入數組中相應元素的冪，即 one^two

　　3、numpy.mod(x1, x2) 計算輸入數組中相應元素的餘數，函數 numpy.remainder(x1, x2) 也產生相同的結果

import numpy as np

arr = np.array([[1., 2., 3.], [4., 5., 6.], [7., 8., 9.]])
print("reciprocal arr: ", np.reciprocal(arr))
print("power by 2: ", np.power(arr, 2))
print("mod by arr.T: ", np.mod(arr, arr.T))
print("remainder by arr.T: ", np.remainder(arr, arr.T))

NumPy 統計函數：

　　1、numpy.amax(a, axis=None, out=None, keepdims=<no value>, initial=<no value>)

　　　  和 numpy.max(a, axis=None, out=None, keepdims=<no value>, initial=<no value>)

　　　  用於計算數組中的元素沿指定軸的最大值，若未給定 axis 的值，則預設選出數組裡最大的數

　　2、numpy.amin() 和 numpy.min() 的格式與上面一樣，其返回最小值

　　3、numpy.ptp(a, axis=None, out=None, keepdims=<no value>) 計算數組中元素最大值與最小值的差

　　4、numpy.percentile(a, q, axis) a 表示一個數組對象，q 表示要計算的百分數（0-100），axis 是軸，返回大於等於 q% 個數的那個數

　　5、numpy.median(a, axis=None, out=None, overwrite_input=False, keepdims=False) 計算 a 的中位數

　　6、numpy.mean(a, axis=None, dtype=None, out=None, keepdims=<no value>) 返回數組中元素的算術平均值。

　　　  如果提供了軸，則沿其計算

　　7、numpy.average(a, axis=None, weights=None, returned=False) 根據 weights 中給出的各自的權重計算數組中元素的加權平均值，

　　　  returned=True 時則返回權重的和，當 weights.shape != a.shape 時必須指定軸

　　8、numpy.std(a, axis=None, dtype=None, out=None, ddof=0, keepdims=<no value>) 計算標準差

　　9、numpy.var(a, axis=None, dtype=None, out=None, ddof=0, keepdims=<no value>) 計算方差

import numpy as np

arr = np.array([[1., 2., 3.], [4., 5., 6.], [7., 8., 9.]])

# numpy.amax(a, axis=None, out=None, keepdims=<no value>, initial=<no value>)
# numpy.amin(a, axis=None, out=None, keepdims=<no value>, initial=<no value>)
# numpy.max 和 numpy.min 的格式和上面一樣
print("max: ", np.amax(arr, axis=1))
print("max: ", np.max(arr))
print("min: ", np.amin(arr))
print("min: ", np.min(arr, axis=1))

# numpy.ptp(a, axis=None, out=None, keepdims=<no value>) 計算數組中元素最大值與最小值的差（最大值 - 最小值）
print("ptp(arr, axis=0): ", np.ptp(arr, axis=0))
print("ptp(arr, axis=1): ", np.ptp(arr, axis=1))
print("ptp(arr): ", np.ptp(arr))

# numpy.percentile(a, q, axis)  a 表示一個對象，q 表示要計算的百分數（0-100），axis 是軸
# 選出在數組 arr 里大於等於 50% 數的那個數
print("percentile(arr, 50): ", np.percentile(arr, 50))      # 5.0
# 按 1 軸選出大於等於 0% 的數的那個數，即最小值
# [1. 4. 7.]
print("percentile(arr, 0, axis=1): ", np.percentile(arr, 0, axis=1))
# 按 1 軸選出大於等於 100% 的數的那個數，即最大值
# [3. 6. 9.]
print("percentile(arr, 100, axis=1): ", np.percentile(arr, 100, axis=1))
# 若所求百分數不能剛好對應數組裡的數，則會在前後兩個數之間取平均值
print(np.percentile(np.array([1., 2., 3., 4., 5., 6.]), 50))    # 3.5
print(np.percentile(np.array([1., 2., 3., 4., 5., 6.]), 70))    # 4.5

# numpy.median(a, axis=None, out=None, overwrite_input=False, keepdims=False) 計算 a 的中位數
print("median(arr, axis=0): ", np.median(arr, axis=0))  # [4. 5. 6.]
print("median(arr, axis=1): ", np.median(arr, axis=1))  # [2. 5. 8.]

# numpy.mean(a, axis=None, dtype=None, out=None, keepdims=<no value>)
# 返回數組中元素的算術平均值。 如果提供了軸，則沿其計算
print("mean(arr): ", np.mean(arr))  # 5.0
print("mean(arr, axis=1): ", np.mean(arr, axis=1))  # [2. 5. 8.]

# numpy.average(a, axis=None, weights=None, returned=False)
# 根據 weights 中給出的各自的權重計算數組中元素的加權平均值
# returned=True 則返回權重的和
# 當 weights.shape != a.shape 時必須指定軸
print("average: ", np.average(arr, axis=1, weights=np.array([1, 2, 3]), returned=True))

# numpy.std(a, axis=None, dtype=None, out=None, ddof=0, keepdims=<no value>) 計算標準差
print("std(arr): ", np.std(arr))    # 2.581988897471611
print("std(arr, axis=1): ", np.std(arr, axis=1))    # [0.81649658 0.81649658 0.81649658]

# numpy.var(a, axis=None, dtype=None, out=None, ddof=0, keepdims=<no value>) 計算方差
print("var(arr): ", np.var(arr))    # 6.666666666666667
print("var(arr, axis=0): ", np.var(arr, axis=0))    # [6. 6. 6.]