Numpy的数组各行，各列的求和，平均值，最大值，最小值，最大最小值差，标准差，方差等的计算

函数numnumpy.sum()可以算出ndarray数组中所有元素的和，函数numpy.mean()可以算出ndarray数组中所有元素的平均值。
默认的情况下是算出数组中所有元素的和与平均值，但是也可以使用参数axis，对行或列进行计算。

在此，对一下的内容进行说明。

• numpy.sum() 求和
• numpy.mean() 平均值
• numpy.min() 最小值/numpy.max() 最大值
• numpy.ptp() 最大值与最小值的差（最大值-最小值）
• numpy.std() 标准差/numpy.var() 方差
• 多维数组的参数axis

首先，准备一个3x4的数组。

import numpy as np

a = np.arange(12).reshape(3, 4)
print(a.shape)
print(a)
# (3, 4)
# [[ 0  1  2  3]
#  [ 4  5  6  7]
#  [ 8  9 10 11]]

numpy.sum() 求和

---

把刚刚生成的数组a放入函数np.sum()中，返回得到数组中所有元素的和。

print(np.sum(a))
# 66

参数axis＝0时，返回数组各列的和，参数axis＝1时，返回数组各行的和。

print(np.sum(a, axis=0))
print(np.sum(a, axis=1))
# [12 15 18 21]
# [ 6 22 38]

其实不使用numpy的函数也是可以的，因为ndarndarray数组中也有相同的求和方法sum()。并且也可以通过参数axis指定行或列。

print(a.sum())
# 66

print(a.sum(axis=0))
print(a.sum(axis=1))
# [12 15 18 21]
# [ 6 22 38]

numpy.mean() 平均值

---

numpy.mean()的使用方法与numpy.sum()相同，也可以通过参数axis指定行或列。

print(np.mean(a))
# 5.5

print(np.mean(a, axis=0))
print(np.mean(a, axis=1))
# [ 4.  5.  6.  7.]
# [ 1.5  5.5  9.5]

和sum()一样，ndarray数组中也有相同的求平均值的方法mean()。并且也可以通过参数axis指定行或列。

print(a.mean())
# 5.5

print(a.mean(axis=0))
print(a.mean(axis=1))
# [ 4.  5.  6.  7.]
# [ 1.5  5.5  9.5]

numpy.min() 最小值/numpy.max() 最大值

---

在分别使用numpy.min()和numpy.max()求数组中元素的最小值与最大值的时候，也可以通过参数axis指定行或列。并且，为了使用方便，还可以直接使用函数numpy.amin()和numpy.amax()进行计算，所得到的结果是一样的。

print(np.min(a))
print(np.min(a, axis=0))
print (np.amin(a,0))
# 0
# [0 1 2 3]
# [0 1 2 3]

print(a.max())
print(a.max(axis=1))
print(np.amax(a,1))
# 11
# [ 3  7 11]
# [ 3  7 11]

numpy.ptp() 最大值与最小值的差（最大值-最小值）

---

函数numpy.ptp()可以返回得到数组中最大值与最小值之间的差（最大值-最小值），也可以通过参数axis指定行或列。

print(np.ptp(a))
#11

print(np.ptp(a, axis=1))
#[3 3 3]

print(np.ptp(a, axis=0))
#[8 8 8 8]

numpy.std() 标准差/numpy.var() 方差

---

求标准差和方差的函数分别为numpy.std()和numpy.var()。使用方法和之前相同，也可以通过参数axis指定行或列。

print(np.std(a))
#3.452052529534663

print(np.var(a))
#11.916666666666666

多维数组的参数axis

---

2维数组时，参数axis＝0或1时，分别指定行或列进行计算。下面对多维数组参数axis的使用方法进行简单的说明介绍。

2维数组时的参数axis。

3维数组时的参数axis。

首先，准备一个2x3x4的数组b。

b = np.arange(24).reshape(2, 3, 4)
print(b.shape)
print(b)
# (2, 3, 4)
# [[[ 0  1  2  3]
#   [ 4  5  6  7]
#   [ 8  9 10 11]]
#
#  [[12 13 14 15]
#   [16 17 18 19]
#   [20 21 22 23]]]

当axis＝0时，结果维3x4的数组。

print(b.sum(axis=0))
# [[12 14 16 18]
#  [20 22 24 26]
#  [28 30 32 34]]

当axis＝1时，结果维2x4的数组。

print(b.sum(axis=1))
# [[12 15 18 21]
#  [48 51 54 57]]

当axis＝2时，结果维2x3的数组。

print(b.sum(axis=2))
# [[ 6 22 38]
#  [54 70 86]]

asix还可以进行双数值的指定。结果如下。

print(b.sum(axis=(0, 1)))
# [60 66 72 78]

print(b.sum(axis=(0, 2)))
# [ 60  92 124]

print(b.sum(axis=(1, 2)))
# [ 66 210]