Python NumPy 基础

Source: Dev.to

引言

NumPy 是数据分析和人工智能领域不可或缺的工具。它包含许多基本统计函数，能够轻松计算各种指标，例如：

• 最小值和最大值
• 平均值
• 众数
• 中位数
• 四分位数
• 四分位距
• 标准差
• 相对标准差
• 异常值过滤
• 相关性
• 协方差

如果想进一步了解众数、中位数和相关性的概念，请阅读以下文章：

• 众数与中位数在频数表中的应用
• 相关性是如何工作的？

安装

要安装库，请打开命令行（Windows）或终端（Linux），并运行以下命令：

pip install numpy
pip install scipy

基本统计操作

import numpy as np
from scipy import stats

# numpy array 创建
x = np.array([1, 2, 3, 4, 7, 7, 7, 9, 13, 15])

# 最小值和最大值
minimum = np.min(x)
maximum = np.max(x)

# 众数、中位数和平均值
mode = stats.mode(x).mode[0]
median = np.median(x)
mean = np.mean(x)

# 四分位数
q1 = np.percentile(x, 25)   # 第25百分位
q3 = np.percentile(x, 75)   # 第75百分位

# 四分位距
iqr = q3 - q1

# 总体标准差
std = np.std(x)

# 样本标准差 (ddof=1)
std_sample = np.std(x, ddof=1)

# 相对标准差
rstd = std / mean

异常值过滤

异常值的过滤可以通过简单的向量化掩码实现。

import numpy as np

x = np.array([1, 60, 65, 70, 75, 80, 85, 400])

q1 = np.percentile(x, 25)
q3 = np.percentile(x, 75)
iqr = q3 - q1

lower = q1 - 1.5 * iqr
upper = q3 + 1.5 * iqr

no_outliers = x[(x > lower) & (x

备注： 矩阵的索引从 0 开始，因此 [0, 1] 元素返回的是两个变量之间的关系。自身的协方差等于方差（即标准差的平方）。