NumPy中的数据统计与分析¶

import numpy as np

np.random.seed(10)   # 设置随机数种子
a = np.random.randint(1, 100, size=(3, 3))  # 生成一个值在区间[1,100)之间的3 x 3的二维数组
print(a)
print('数组中的最大值：', a.max(), '数组中的最小值：',a.min())
print('数组中每行的最大值：', a.max(axis=1), '数组中每行的最小值：',a.min(axis=1))
print('数组中每列的最大值：', a.max(axis=0), '数组中每列的最小值：',a.min(axis=0))

import numpy as np

np.random.seed(10)   # 设置随机数种子
a = np.random.randint(1, 100, size=(3, 3))  # 生成一个值在区间[1,100)之间的3 x 3的二维数组
print(a)
print('数组中的最大值的索引：', a.argmax(), '数组中的最小值的索引：',a.argmin())    # 展开为一维数组后的索引
print('数组中每行最大值的列索引：', a.argmax(axis=1), '数组中每行最小值的列索引：',a.argmin(axis=1))
print('数组中每列最大值的行索引：', a.argmax(axis=0), '数组中每列最小值的行索引：',a.argmin(axis=0))

import numpy as np

a = np.arange(1, 10).reshape(3, 3)  # 生成一个3 x 3的二维数组
print(a)
print('数组元素逐个累加结果：', a.cumsum())     # 展开为一维数组后的累加
print('数组元素逐个累乘结果：', a.cumprod())    # 展开为一维数组后的累乘
print('数组逐行累加结果：', a.cumsum(axis=0), '数组逐列累加结果：',a.cumsum(axis=1), sep='\n')
print('数组逐行累乘结果：', a.cumprod(axis=0), '数组逐列累乘结果：',a.cumprod(axis=1), sep='\n')

import numpy as np

a = np.arange(1, 10).reshape(3, 3)  # 生成一个3 x 3的二维数组
print(a)
print('数组元素之和：', a.sum())     # 展开为一维数组后的求和
print('数组每行元素的和：', a.sum(axis=1))  ##计算数组a沿着行方向（即axis=1）的和
print('数组每列元素的和：', a.sum(axis=0))  ##计算数组a沿着列方向（即axis=0）的和

import numpy as np

a = np.arange(1, 13).reshape(3, 4)  # 生成一个3 x 4的二维数组
print(a)
print('数组元素中位数：', np.median(a))          # 展开为一维数组后的求中位数
print('数组每行中位数：', np.median(a, axis=1))  # 元素个数为偶数时，中位数是排序后中间两个数的平均值
print('数组每列中位数：', np.median(a, axis=0))  # 元素个数为奇数时，中位数是排序后中间那个数

import numpy as np

a = np.arange(1, 10).reshape(3, 3)  # 生成一个3 x 3的二维数组
np.random.seed(10)   # 设置随机数种子
b = np.random.randint(1, 10, size=(3, 3))  # 生成一个值在区间[1,10)之间的3 x 3的二维权重数组
print(a)
print('数组元素平均值：', round(a.mean(), 2))          # 展开为一维数组后求平均
print('数组每行平均值：', a.mean(axis=1).round(2))     # 元素个数为偶数时，中位数是排序后中间两个数的平均值
print('数组每列中位数：', np.median(a, axis=0))        # 元素个数为奇数时，中位数是排序后中间那个数
print('数组元素加权（权值均为1）平均值：', round(np.average(a), 2))  # 缺省weights，权值都为1时，结果与mean()方法相同
print('权重数组b：\n', b)
print('数组元素加权平均值：', round(np.average(a, weights=b), 2))   # a与b对位相乘后求和，再除以数组b的和，等价于(a*b).sum()/b.sum()
# print((a*b).sum()/b.sum())

import numpy as np

np.random.seed(10)   # 设置随机数种子
a = np.random.randint(1, 10, size=(3, 3))  # 生成一个值在区间[1,10)之间的3 x 3的二维权重数组
print(a)
print('数组元素极差：', np.ptp(a))              # 展开为一维数组后求极差
print('数组每行元素极差：', np.ptp(a, axis=1))  
print('数组每列元素极差：', np.ptp(a, axis=0))

import numpy as np

a = np.arange(1, 10).reshape(3, 3)  # 生成一个3 x 3的二维数组
print(a)
print('数组元素有偏方差：', np.var(a))     # ddof参数默认为0，求得的是有偏方差（求方差时除以n）
print('数组元素无偏方差：', np.var(a, ddof=1))   # 若要求的是无偏方差（求方差时除以n-1），需设置ddof参数为1
print('数组每行元素有偏方差：', np.var(a, axis=1))  
print('数组每列元素无偏方差：', np.var(a, ddof=1, axis=0))

import numpy as np

a = np.arange(1, 10).reshape(3, 3)  # 生成一个3 x 3的二维数组
print(a)
print('数组元素有偏标准差：', np.std(a))     # ddof参数默认为0，求得的是有偏标准差（求标准差时除以n）
print('数组元素无偏标准差：', np.std(a, ddof=1))   # 若要求的是无偏标准差（求标准差时除以n-1），需设置ddof参数为1
print('数组每行元素有偏标准差：', np.std(a, axis=1))  
print('数组每列元素无偏标准差：', np.std(a, ddof=1, axis=0))

import math


def solve_equations(a, b, c):
    delta = b ** 2 - 4 * a * c
    if delta >= 0:
        return (-b + math.sqrt(delta)) / (2 * a), (-b - math.sqrt(delta)) / (2 * a),
    else:
        return complex(-b / (2 * a), math.sqrt(math.fabs(delta)) / (2 * a)), \
               complex(-b / (2 * a), -math.sqrt(math.fabs(delta)) / (2 * a))


factor_list = [[1, -2, 1], [1, 3, 10], [1, 3, -10]]
for i in factor_list:  # 遍历系数列表，循环调用函数求解
    print(solve_equations(*i))

import numpy as np

solve_equations_array = np.frompyfunc(solve_equations, 3, 1)  # 将函数矢量化，3个输入，1个输出。该ufunc始终返回 PyObject 数组。
factor_array = np.array(factor_list)  # 参数列表转换为数组
print(factor_array)
print(solve_equations_array(factor_array[:, 0], factor_array[:, 1], factor_array[:, 2]))  # 一次函数调用，求解三个方程。

import numpy as np

scoreAll=np.loadtxt('images/ch8/8.6 score.csv', str, delimiter=',', encoding='utf-8')   # 读取文件数据到数组
print(scoreAll)  # 输出数组
scoreNum = scoreAll[1:, 2:].astype(int)  # 数组切片，仅保留成绩部分，并全部转化为整形
print(scoreNum)  # 输出数组c
scorePython = scoreNum[:, 2]  # 从成绩数组中切片分离出Python成绩
scoreStu = scoreNum[0]        # 从成绩数组中切片分离出罗明的成绩
nameStu = scoreAll[1, 0]      # 从总数组中索引获得人名
print('python成绩数组：', scorePython)                # 输出python成绩数组
print('python平均成绩：', np.average(scorePython))    # 输出python的平均成绩
print('python成绩中位数：', np.median(scorePython))   # 输出python成绩中位数
print('python成绩标准差：', round(np.std(scorePython), 2))  # 输出python成绩标准差
print(f'{nameStu}同学成绩数组： {scoreStu}')  # 输出罗明成绩数组
print(f'{nameStu}同学的平均成绩： {np.average(scoreStu):.2f}')  # 输出罗明平均成绩

# 此处编写代码，完成题目要求