1.聚合运算
1）向量上的聚合运算
import numpy as np
L=np.random.random(100)
sum(L)
np.sum(L)#效率更高
big_array = np.random.rand(1000000)
%timeit sum(big_array)
%timeit np.sum(big_array)
np.min(big_array)#np中的方法更全面
np.max(big_array)
np.percentile(big_array,q=100)
big_array.min()
2)二维矩阵上的聚合运算
X=np.arange(16).reshape(4,-1)
np.sum(X,axis=0)
#每列元素的和
np.sum(X,axis=1)
#每行元素的和
np.prod(X)
#所有元素乘积
np.prod(X+1)
#所有元素+1后的乘积
np.mean(X)
#平均值
np.median(big_array)
#求中位数
np.percentile(big_array,q=50)
#有50%小于它的数
for percent in [0,25,50,75,100]:
print(np.percentile(big_array,q=percent))
#一个样本的分布情况
np.var(big_array)
#方差
np.std(big_array)
#标准差
x=np.random.normal(0,1,size=1000000)
#均值为0 标准差为1
