Numpy的数学统计函数

Numpy的数学统计函数

本节内容：

1、Numpy有哪些数学统计函数：

函数名	说明
np.sum	所有元素的和
np.prod	所有元素的乘积
np.cumsum	元素的累积加和
np.cumprod	元素的累积乘积
np.min	最小值
np.max	最大值
np.percentile	0-100百分位数
np.quantile	0-1分位数
np.median	中位数
np.average	加权平均，参数可以指定weights
np.mean	平均值
np.std	标准差
np.var	方差

2、怎样实现按不同的axis计算

以上函数，都有一个参数叫做axis用于指定计算轴为行还是列，如果不指定，那么会计算所有元素的结果

3、实例：机器学习将数据进行标准化

A = (A - mean(A, axis=0)) / std(A, axis=0)

1、Numpy的数学统计函数

2、Numpy的axis参数的用途

axis=0代表行、axis=1代表列

对于sum/mean/media等聚合函数：

• 理解1：axis=0代表把行消解掉（对于每一列的行之间操作）；axis=1代表把列消解掉；（对于每一行的列之间的操作）
• 理解2：axis=0代表跨行计算，axis=1代表跨列计算

3、实例：机器学习将数据进行标准化

arr如果对应到现实世界的一种解释：

• 行：每行对应一个样本数据
• 列：每列代表样本的一个特征

数据标准化：

• 对于机器学习、神经网络来说，不同列的量纲应该相同，训练收敛的更快；
• 比如商品的价格是0到100元、销量是1万到10万个，这俩数字没有可比性，因此需要先都做标准化；
• 不同列代表不同的特征，因此需要axis=0做计算
• 标准化一般使用A = (A - mean(A, axis=0)) / std(A, axis=0)公式进行

用随机数再试一次