Numpy聚合函数
1. 定义
Numpy是Python中用于科学计算的一个重要库，它提供了一个强大的多维数组对象和一系列用于操作数组的函数。Numpy聚合函数是其中的一类函数，它们用于对数组中的元素进行聚合操作，将多个值合并为一个值。
2. 用途
Numpy聚合函数常用于对数据进行统计分析和汇总。它们可以帮助我们计算数组中的最大值、最小值、平均值、标准差等统计量，同时还能够进行求和、累加、累乘等操作。通过使用这些聚合函数，我们可以更方便地对数据进行分析和处理。
3. 工作方式
Numpy聚合函数可以分为两类：直接调用和轴向调用。
直接调用
直接调用的方式是在数组对象上直接调用聚合函数，并传入相应的参数。对于一个一维数组a，我们可以使用np.mean(a)来计算其平均值。下面介绍几个常用的直接调用的聚合函数。
3.1 mean()
mean()函数用于计算数组中元素的平均值。它的定义如下：
an(a, axis=None, dtype=None, out=None, keepdims=<no value>)
参数说明： - a：输入数组。 - axis：计算平均值的轴。默认为None，表示对整个数组进行计算。 - dtype：返回结果的数据类型。默认为None，表示保持原有数据类型。 - out：输出结果的可选参数。默认为None，表示创建一个新的数组来存储结果。 - keepdims：是否保持结果的维度不变。默认为False。
示例：
import numpy as np
a = np.array([1, 2, 3, 4, 5])
print(np.mean(a))  # 输出3.0
3.2 sum()
sum()函数用于计算数组中元素的和。它的定义如下：
numpy.sum(a, axis=None, dtype=None, out=None, keepdims=<no value>)
参数说明与mean()函数相同。
示例：
import numpy as np
a = np.array([1, 2, 3, 4, 5])
print(np.sum(a))  # 输出15
3.3 min()
min()函数用于出数组中的最小值。它的定义如下：
numpy.min(a, axis=None, out=None)
参数说明： - a：输入数组。 - axis：查最小值的轴。默认为None，表示对整个数组进行查。 - out：输出结果的可选参数。默认为None，表示创建一个新的数组来存储结果。
示例：
import numpy as np
a = np.array([1, 2, 3, 4, 5])
print(np.min(a))  # 输出1
3.4 max()
max()函数用于出数组中的最大值。它的定义如下：
numpy.max(a, axis=None, outnumpy库常用函数=None)
参数说明与min()函数相同。
示例：
import numpy as np
a = np.array([1, 2, 3, 4, 5])
print(np.max(a))  # 输出5
轴向调用
轴向调用是指在进行聚合操作时，可以指定计算的轴。Numpy中的数组可以是多维的，轴可以理解为数组的维度。使用轴向调用，我们可以对数组的某个维度进行聚合操作，而不是对整个数组进行操作。
3.5 axis参数
axis参数用于指定计算聚合函数时沿着哪个轴进行计算。它可以接受一个整数或一个元组来指定多个轴。当axis为整数时，表示沿着该轴进行计算；当axis为元组时，表示沿着多个轴进行计算。
示例：
import numpy as np
a = np.array([[1, 2], [3, 4]])
print(np.sum(a, axis=0))  # 沿着第0个轴计算和，输出[4 6]
print(np.sum(a, axis=1))  # 沿着第1个轴计算和，输出[3 7]
print(np.mean(a, axis=(0, 1)))  # 沿着第0个轴和第1个轴计算平均值，输出2.5
4. 总结
Numpy聚合函数是对数组中的元素进行合并操作的函数。它们常用于统计分析和数据汇总，可以帮助我们计算最大值、最小值、平均值等统计量，同时还能进行求和、累加、累乘等操作。Numpy聚合函数分为直接调用和轴向调用两种方式，直接调用时在数组对象上直接调用函数，传入相应的参数；轴向调用时可以指定计算的轴。通过灵活使用这些聚合函数，我们可以更方便地对数据进行分析和处理。