NumPy имеет довольно много полезных статистических функций для поиска минимального, максимального, процентильного стандартного отклонения и дисперсии и т. Д. Для заданных элементов в массиве. Функции объясняются следующим образом -
Статистическая функция
Numpy оснащен надежной статистической функцией, как указано ниже.
| Функция | Numpy |
| Мин. | np.min () |
| Максимум | np.max () |
| Иметь в виду | np.mean () |
| Медиана | np.median () |
| Стандартное отклонение | np.std () |
Рассмотрим следующий массив
import numpy as npnormal_array = np.random.normal(5, 0.5, 10)print(normal_array)
Выход:
[5.56171852 4.84233558 4.65392767 4.946659 4.85165567 5.61211317 4.46704244 5.22675736 4.49888936 4.68731125]
Пример: статистическая функция
### Minprint(np.min(normal_array))### Maxprint(np.max(normal_array))### Meanprint(np.mean(normal_array))### Medianprint(np.median(normal_array))### Sdprint(np.std(normal_array))
Выход:
4.4670424352669135.6121131719902014.9348410022705934.8469956257866630.3875019367395316