NumPy统计运算教程

引言

NumPy是Python科学计算的核心库，提供了高效的数组操作和数学函数。统计运算是数据分析的基础，NumPy内置了丰富的统计函数，使得数据处理变得简单快捷。本教程将一步步教你如何使用这些函数，从基础概念到高级应用，适合初学者学习。

1. 基础统计量

基础统计量用于描述数据的集中趋势和离散程度。NumPy提供了多种函数来计算这些量。

1.1 sum: 求和

np.sum(array) 函数计算数组中所有元素的和。可以应用于任何维度的数组。

import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(np.sum(arr))  # 输出: 15

解释：这里创建了一个一维数组，np.sum(arr) 返回所有元素的和，即1+2+3+4+5=15。

1.2 mean: 平均值

np.mean(array) 计算数组元素的平均值，公式为总和除以元素个数。

arr = np.array([1, 2, 3, 4, 5])
print(np.mean(arr))  # 输出: 3.0

解释：平均值是15/5=3.0，表示数据的中心位置。

1.3 median: 中位数

np.median(array) 计算数组元素的中位数，即排序后中间的值。对于偶数个元素，取中间两个值的平均值。

arr = np.array([1, 2, 3, 4, 5])
print(np.median(arr))  # 输出: 3.0

解释：数组排序后是[1,2,3,4,5]，中位数是中间的元素3。

1.4 std: 标准差

np.std(array) 计算数组元素的标准差，用于衡量数据的离散程度。公式基于方差的平方根。

arr = np.array([1, 2, 3, 4, 5])
print(np.std(arr))  # 输出: 约1.4142

解释：标准差表示数据点偏离平均值的程度。

1.5 var: 方差

np.var(array) 计算数组元素的方差，是标准差的平方，表示数据的变异大小。

arr = np.array([1, 2, 3, 4, 5])
print(np.var(arr))  # 输出: 2.0

解释：方差为(1-3)^2 + (2-3)^2 + ... = 10/5=2.0。

2. 极值与位置

极值与位置函数帮助找到数据的最小值、最大值及其在数组中的位置。

2.1 min 和 max: 最小值和最大值

np.min(array) 返回数组中的最小值，np.max(array) 返回最大值。

arr = np.array([1, 2, 3, 4, 5])
print(np.min(arr))  # 输出: 1
print(np.max(arr))  # 输出: 5

解释：min 和 max 直接给出数值，不加其他处理。

2.2 argmin 和 argmax: 最小值和最大值的位置

np.argmin(array) 返回最小值在数组中的索引位置，np.argmax(array) 返回最大值的索引位置。索引从0开始。

arr = np.array([1, 2, 3, 4, 5])
print(np.argmin(arr))  # 输出: 0（对应元素1）
print(np.argmax(arr))  # 输出: 4（对应元素5）

解释：在数据分析中，有时需要知道极值出现的位置，例如找最大值对应的事件。

2.3 ptp: 极差

np.ptp(array) 返回最大值减去最小值的结果，即数据的范围。

arr = np.array([1, 2, 3, 4, 5])
print(np.ptp(arr))  # 输出: 4（5-1）

解释：极差是简单衡量数据分散度的指标。

3. 累计运算

累计运算函数沿着数组的轴逐步计算累积值，常用于时间序列或逐步求和。

3.1 cumsum: 累计和

np.cumsum(array) 返回数组中每个位置的累计和，结果是一个与原数组同形状的新数组。

arr = np.array([1, 2, 3, 4, 5])
print(np.cumsum(arr))  # 输出: [ 1  3  6 10 15]

解释：第一个元素是1，第二个是1+2=3，以此类推。

3.2 cumprod: 累计积

np.cumprod(array) 返回累计积，即每个位置之前所有元素的乘积。

arr = np.array([1, 2, 3, 4, 5])
print(np.cumprod(arr))  # 输出: [ 1  2  6 24 120]

解释：常用于计算阶乘或累积因子。

3.3 cummin 和 cummax: 累计最小值和最大值

np.cummin(array) 返回累计最小值，np.cummax(array) 返回累计最大值。

arr = np.array([3, 1, 4, 2, 5])
print(np.cummin(arr))  # 输出: [3 1 1 1 1]
print(np.cummax(arr))  # 输出: [3 3 4 4 5]

解释：累计最小值从第一个元素开始，每个位置取之前所有元素的最小值；累计最大值类似。

4. 按轴统计

在NumPy中，许多函数支持 axis 参数，允许沿特定轴进行计算，这对于多维数组尤其有用。

4.1 axis 参数详解

axis 参数指定沿哪个轴计算，可以是整数（如0或1）或元组（用于多轴）。

• 对于一个2D数组 arr = np.array([[1, 2, 3], [4, 5, 6]]):
  • axis=0 表示沿第一个轴（行方向）操作，即跨行计算。
  • axis=1 表示沿第二个轴（列方向）操作，即跨列计算。

示例：

arr = np.array([[1, 2, 3], [4, 5, 6]])
print(np.sum(arr, axis=0))  # 沿轴0求和：输出 [5 7 9]（每列的和）
print(np.sum(arr, axis=1))  # 沿轴1求和：输出 [6 15]（每行的和）

解释：axis=0 意味着在行的维度上压缩，结果是列向量；axis=1 反之。

4.2 其他函数使用 axis

大多数统计函数都支持 axis 参数，如 mean、std 等。

# 计算每列的平均值
print(np.mean(arr, axis=0))  # 输出: [2.5 3.5 4.5]
# 计算每行的标准差
print(np.std(arr, axis=1))  # 输出: [0.8165 0.8165]

5. 加权统计

NumPy提供了 np.average() 函数来计算加权平均值，适用于需要考虑不同权重的情况。

5.1 np.average() 函数

np.average(array, weights=weights) 计算加权平均值，其中 weights 是与 array 形状相同的权重数组。

示例：假设数组 arr = np.array([1, 2, 3, 4, 5]) 和权重 weights = np.array([0.1, 0.2, 0.3, 0.2, 0.2])

arr = np.array([1, 2, 3, 4, 5])
weights = np.array([0.1, 0.2, 0.3, 0.2, 0.2])
print(np.average(arr, weights=weights))  # 输出: 约3.2

解释：加权平均值 = (10.1 + 20.2 + 30.3 + 40.2 + 5*0.2) / (0.1+0.2+0.3+0.2+0.2)。权重数组的总和应为1，但NumPy会自动处理。

注意：权重数组应与原始数组形状匹配，否则会抛出错误。

结语

通过本教程，你应该对NumPy中的统计运算有了全面的了解。从基础统计量到高级的加权统计，这些函数是数据分析的基础工具。多加练习，尝试在不同维度数组上应用这些函数，你将能更高效地处理数据。NumPy的强大在于其简洁和速度，掌握这些统计运算将为你的数据科学之旅奠定坚实基础。

如果有任何疑问，建议查阅NumPy官方文档获取更多详细信息。