排序大小函數

import numpy as np

size = 100

a = np.random.randint(0, 1000, size=size)

print(a)

# 排序之后的前k個元素

# 返回的值不一定是按照順序排好的

# [ 5 0 15 22 32]

# [ 0 5 15 22 32]

print(np.partition(a, 3)[:5])

print(np.sort(a)[:5])

# 百分位數

a = np.abs(np.random.randn(100000))

# 計算正態分布百分位數，約等于1,2,3倍標準差

print(

# [0.99693541 1.99555444 2.99341279]

np.percentile(a, [68.3, 95.4, 99.7])

)

統計函數

unique去重，可獲得去重后排序的數組和原始下標

import numpy as np

a = np.random.randint(0, 10, 10)

print(a)

print(np.unique(a))

x, index = np.unique(a, return_index=True)

print(x)

print(index)

# [0 4 8 6 2 1 4 5 6 6]

# [0 1 2 4 5 6 8]

# [0 1 2 4 5 6 8]

# [0 5 4 1 7 3 2]

直方圖函數

第一個數組表示每個區間的統計結果

第二個數組是區間

import numpy as np

a = np.random.rand(10000)

print(

# (array([2037, 2013, 2009, 2009, 1932], dtype=int64), array([0. , 0.2, 0.4, 0.6, 0.8, 1. ]))

# 每個區間的數目相近

np.histogram(a, bins=5, range=(0, 1))

)

print(

# (array([2037, 4022, 3941], dtype=int64), array([0. , 0.2, 0.6, 1. ]))

# 指定區間累計，符合分布特征

np.histogram(a, bins=[0, .2, .6, 1.])

)

轉載至鏈接:https://my.oschina.net/ahaoboy/blog/1932835