精华内容
下载资源
问答
  • 统计numpy个数
    万次阅读
    2020-05-13 10:32:06

    一维可以直接用Counter,二维需用flatten展开,三维如需分通道统计则遍历每一通道再用二维

    from collections import Counter
    print(Counter(image.flatten()))

     

    更多相关内容
  • NumPy常用的统计函数

    2020-11-24 07:18:41
    NumPy统计函数可以实现对整个数组或者是沿着数组轴方向的统计计算,常用的统计函数有求最大值和最小值,求和与平均值,计算百分位数、中位、标准差和方差等。求最大值和最小值的函数在 NumPy 中,求数组最大值...

    NumPy 的统计函数可以实现对整个数组或者是沿着数组轴方向的统计计算,常用的统计函数有求最大值和最小值,求和与平均值,计算百分位数、中位数、标准差和方差等。

    求最大值和最小值的函数

    在 NumPy 中,求数组最大值的函数是 amax() 和 nanmax(),求数组最小值的函数是 amin() 和 nanmin(),其中,amax() 和 amin() 函数用于返回一个数组的最大值和最小值或者是沿轴返回数组的最大值和最小值;nanmax() 函数和 nanmin() 函数用于返回忽略任何 NaN 的数组的最大值和最小值或者是沿轴返回忽略任何 NaN 的数组的最大值和最小值。

    如果数组是全 NaN 切片,将会出现运行警告(Runtime Warning),并为该切片返回 NaN。

    amax() 函数的格式如下:

    numpy.amax(a,[axis=None[,out=None[,keepdims=False]]])

    函数中的参数说明如下:

    a:输入数据;

    axis:指定沿着某个轴来计算最大值,axis=0 表示按列,axis=1 表示按行,默认值 None 表示对整个数组;

    out:替代输出数组,用于放置结果,默认值为 None;

    keepdims:默认值为 False,输出行维度为 1,如果设置为 True,则输出列维度为 1。

    amax() 函数除了 a 参数外,其余参数为可选项。而 amin()、nanmax()、nanmin() 与 amax() 的函数格式和参数相同。另外,也可以使用 max() 函数和 min() 函数求序列或数组的最大值和最小值。但是对于大型数组而言,使用 amax() 函数和 amin() 函数性能会更好。

    最大值和最小值的函数的示例代码 example1 如下。

    # -*- coding: utf-8 -*-

    import numpy as np

    arr = np.array([[0,3,1,5],[2,4,6,1],[2,8,9,2]])

    #求arr数组的最大值

    max1 = np.amax(arr)

    #求arr数组垂直方向的最大值

    max2 = np.amax(arr,axis=0)

    #求arr数组水平方向的最大值

    max3 = np.amax(arr,axis=1)

    max4 = np.max(arr,axis=1)

    print(max1,max2,max3,max4)

    #amin函数与nanmin函数的区别

    arr = np.arange(5, dtype=float)

    print(arr) # [0. 1. 2. 3. 4.]

    arr[3] = np.nan

    a = np.amin(arr)

    print(a) # 用amin函数输出NaN

    b = np.nanmin(arr)

    print(b) #用nanmin函数输出0.0

    求沿轴方向的取值范围

    在 NumPy 中,使用 ptp() 函数能返回沿某轴(axis)方向上的最大值与最小值的差值,即 maximum-minimum 的值形成的数组。ptp() 函数的格式如下:

    numpy.ptp(a,[axis=None[,out=None]])

    函数中的参数说明如下:

    a:输入数据;

    axis:指定沿着某个轴来计算差值,axis=0 表示按列,axis=1 表示按行,默认值 None 表示对整个数组;

    out:替代输出数组,用于放置结果,默认值为 None。

    该函数除了 a 参数外,其余参数为可选项。

    ptp() 函数的示例代码 example2 如下。

    # -*- coding: utf-8 -*-

    import numpy as np

    arr = np.arange(12).reshape((3,4))

    a = np.ptp(arr, axis=0)

    print(a) #[8 8 8 8] 差值形成的数组

    b = np.ptp(arr, axis=1)

    print(b) #[3 3 3]差值形成的数组

    求百分位数

    在 NumPy 中,使用 percentile() 和 nanpercentile() 函数可以沿某轴(axis)方向计算数组中第 q 数值的百分位数。percentile() 函数的格式如下:

    percentile(a,q[, axis, out, …])

    函数中的主要参数说明如下:

    a:数组或可以转化成数组的对象;

    q:[0,100] 范围的浮点数;

    axis:指定沿着某个轴来计算百分位数,axis=0 表示按列,axis=1 表示按行,默认值 None 表示对整个数组。

    percentile() 函数除了 a、q 参数外,其余参数为可选项。percentile() 函数还可以计算多维数组的任意百分比分位数。所谓百分比分位数就是位于 q% 位置处的值,称为第 q 百分位数。但要注意,数列要递增排序后再计算。

    nanpercentile() 函数格式与 percentile() 函数格式相同,只是在计算百分位数时会忽略数组中的 NaN 值。

    求中位数

    在 NumPy 中,利用 median() 和 nanmean() 函数可以沿某轴(axis)方向计算数组中的中位数。median() 函数格式如下:

    numpy.median(a[, axis, out, overwrite_input, keepdims])

    函数中的主要参数说明如下:

    a:数组或可以转化成数组的对象;

    axis:指定沿着某个轴来计算中位数,axis=0 表示按列,axis=1 表示按行,默认值 None 表示对整个数组。

    median() 函数除了 a 参数外,其余参数为可选项。median() 相当于 percentile() 函数在参数 q=50 时的值。

    nanmedian() 函数是计算数组a在沿某轴(axis)方向上忽略 NaN 值的中位数。

    求百分位数和中位数的示例代码 example3 如下。

    # -*- coding: utf-8 -*-

    import numpy as np

    arr = np.arange(12).reshape((3,4))

    #使用percentile函数求百分位数

    a = np.percentile(arr,50) #相当于求中位数

    b= np.percentile(arr,50, axis=0) #输出[4. 5. 6. 7.]

    c = np.percentile(arr,60 , axis=0) # 输出[4.8 5.8 6.8 7.8]

    print(a,b,c)

    #使用median函数求中位数

    d = np.median(arr) # 输出5.5

    e = np.median(arr,axis = 0) # 输出[4. 5. 6. 7.]

    f = np.median(arr,axis = 1) # 输出[1.5 5.5 9.5]

    print(d,e,f)

    求和与加权平均值

    在 NumPy 中,sum() 函数是沿某轴(axis)方向计算数组中相关元素之和,函数格式如下:

    sum(a[, axis=None])

    average()函数是沿某轴(axis)方向计算数组中相关元素的加权平均值。加权平均值的数学概念是有 n 个数 X1,X2,…,Xn 的权分别是 W1,W2,…,Wn,那么,这 n 个数的加权平均值为:(X1W1+X2W2+…+XnWn)/(W1+W2+…+Wn)

    当每个数对应的权重为 1 时,也就是计算平均数。average() 函数的格式如下:

    average(a[, axis=None, weights=None])

    函数中的主要参数说明如下:

    a:输入数组;

    axis:指定沿着某个轴来计算和或平均值,axis=0 表示按列,axis=1 表示按行,默认值 None 表示对整个数组;

    weights:表示权重值。当权重值为一维数组时,其长度必须与沿指定轴方向的长度一致。另外,权重值数组也可以与 a 数组的形状相同。

    sum() 和 average() 函数除了 a 参数外,其余参数为可选项。

    求和与加权平均值的示例代码 example4 如下。

    # -*- coding: utf-8 -*-

    import numpy as np

    arr = np.arange(12).reshape((3,4))

    #计算和

    a = np.sum(arr)

    b = np.sum(arr,axis = 0)

    c = np.sum(arr,axis = 1)

    print(a,b,c)

    #计算权重值为1时的加权平均值

    a = np.average(arr)

    b = np.average(arr,axis = 0)

    c = np.average(arr,axis = 1)

    print(a,b,c)

    算术平均数

    算术平均数是所有元素的总和除以元素的数量。在 NumPy 中,mean() 和 nanmean() 函数可以计算数组或者轴方向的算术平均数,函数格式如下:

    mean(a[, axis=None])

    函数中的主要参数说明如下:

    a:输入数组;

    axis:指定沿着某个轴来计算算术平均数,axis=0 表示按列,axis=1 表示按行,默认值 None 表示对整个数组。

    mean() 函数除了 a 参数外,其余参数为可选项。nanmean() 函数在计算算术平均数时如果遇到 NaN 值会忽略。

    标准差

    标准差也称为标准偏差,其定义是总体中各单位标准值与其平均数离差平方的算术平均数的平方根,它反映组内个体间的离散程度。在 NumPy 中,计算标准差的函数有 std() 和 nanstd()。std() 函数的格式如下:

    numpy.std(a[, axis=None])

    函数中的主要参数说明如下:

    a:输入数组;

    axis:指定沿着某个轴来计算标准差,axis=0 表示按列,axis=1 表示按行,默认值 None 表示对整个数组。

    std() 函数除了 a 参数外,其余参数为可选项。nanstd() 函数在计算标准差时如果遇到 NaN 值会忽略。

    方差

    方差是元素与元素的平均数差的平方的平均数 mean(abs(x - x.mean())**2)。在 NumPy 中,计算方差的函数有 var() 和 nanvar()。var() 函数的格式如下:

    numpy.var(a[, axis=None,dtype=None])

    函数中的主要参数说明如下:

    a:输入数组;

    axis:指定沿着某个轴来计算方差,axis=0 表示按列,axis=1 表示按行,默认值 None 表示对整个数组;

    dtype:数据类型。

    var() 函数除了 a 参数外,其余参数都为可选项。nanvar() 函数在计算方差时会忽略数组中的 NaN 值。

    计算算术平均数、标准差与方差的示例代码 example5 如下。

    # -*- coding: utf-8 -*-

    import numpy as np

    arr = np.arange(12).reshape((3,4))

    #计算算术平均数

    a = np.mean(arr)

    b = np.mean(arr,axis=0)

    c = np.mean(arr,axis=1)

    print(a,b,c)

    #计算标准差

    a = np.std(arr)

    b = np.std(arr,axis=0)

    c = np.std(arr,axis=1)

    print(a,b,c)

    #计算方差

    a = np.var(arr)

    b = np.var(arr,axis=0)

    c = np.var(arr,axis=1)

    print(a,b,c)

    展开全文
  • numpy数组统计各元素个数

    千次阅读 2021-03-14 13:06:23
    一维可以直接用Counter,二维,三维度 需用flatten展开 格式 Counter(数组.flatten()) from collections import Counter import cv2 img...print(img1.shape) #(360, 360, 3) print(Counter(img1.flatten())) #输出个数

    一维可以直接用Counter,二维,三维度 需用flatten展开

    格式 Counter(数组.flatten())

        from collections import Counter
        import cv2
        img1 = cv2.imread('/home/workstation/桌面/test/00000.png')#读一个图片,生成矩阵
        print(img1.shape)    #(360, 360, 3)
        
        print(Counter(img1.flatten())) #输出个数
    
    展开全文
  • 主要介绍了Python实现Mysql数据统计的实例代码,给大家介绍了Python数据分析numpy统计函数的相关知识,本文给大家介绍的非常详细,具有一定的参考借鉴价值,需要的朋友可以参考下
  • 如何实现统计numpy列表中各元素的个数

    万次阅读 多人点赞 2019-12-18 09:58:30
    numpy和pandas中的Series不同,不能直接用values_count()做统计 如:生成一包含100001~6的列表 import numpy as np import pandas as pd random_data=np.random.randint(1,7,10000) random_data.mean() #...

    numpy和pandas中的Series不同,不能直接用values_count()做统计

    如:生成一个包含10000个1~6的列表

    import numpy as np
    import pandas as pd
    
    random_data=np.random.randint(1,7,10000)
    random_data.mean()   #均值
    random_data.std()  #标准差

    尝试用value_counts()方法,统计不同元素的个数,报以下错误。

    random_data.value_counts()
    ---------------------------------------------------------------------------
    AttributeError                            Traceback (most recent call last)
    <ipython-input-32-2f4c42b180a9> in <module>
    ----> 1 random_data.value_counts()
    
    AttributeError: 'numpy.ndarray' object has no attribute 'value_counts'

     可以用以下两种方法做列表元素个数的统计。

    #第一种
    unique,count=np.unique(random_data,return_counts=True)
    data_count=dict(zip(unique,count))
    
    #第二种
    import collections
    data_count2=collections.Counter(random_data)
    Counter({1: 1637, 2: 1686, 6: 1604, 5: 1678, 3: 1728, 4: 1667})

    返回的是一个dict字典,可以用data_count2.keys()和data_count2.values()取相应的key值和value值

    展开全文
  • 统计numpy数组某个值的个数

    千次阅读 2020-12-16 21:16:40
    data = np.array([0, 1, 2, 0, 0, 1, 1, 2, 2, 2, 2, 0, 1, 1, 1, 1, 0]) mask = np.unique(data) tmp = {} for v in mask: tmp[v] = np.sum(data == v) ...print("统计结果:") print(tmp) 结果:
  • 2. 元素个数统计,利用np.bincount转换,即元素个数统计到元素转化的索引 3. 统计相同元素匹配个数 具体代码如下: # arr1, arr2都是np.array类型 # 找到重复元素(交集) inters = np.intersect1d(arr1, arr2) # ...
  • 统计numpy数组中每值的个数

    万次阅读 2019-05-01 19:58:59
    import numpy as np from collections import Counter data = np.array([1.1,2,3,4,4,5]) Counter(data) # {label:sum(label)} #简单方法 sum(data==4)
  • 统计numpy数组某个值的个数(适用0−10个数的查找)统计numpy数组某个值的个数(适用0-10个数的查找)统计numpy数组某个值的个数(适用0−10个数的查找) x = np.bincount(test1.flatten()) print(x)
  • python统计list/numpy array中false的元素个数
  • numpy.amin()和numpy.amax() numpy.amin()用于计算数组中元素沿着指定轴的最小值。 numpy.amax()用于计算数组中元素沿着指定轴的最大值 a=np.array([1,3,6],[3,4,11],[6,1,4]) print(np.amin(a,1) #每行最小值 ...
  • 掌握数组相关的常用函数numpy.savetxt方法需要2参数:第1参数是文件名,数据类型为字符串str;第2参数是被写入文件的nda数据,数据类型为ndarray对象。从上图可以看出,ndarray对象中的元素数据类型原本为int,...
  • numpy统计方法

    2022-05-31 21:39:42
    numpy
  • Python中统计矩阵元素个数 numpy.size()函数 ● 选择题 下面的代码的结果是: import numpy as np a = np.array([[1,2,3],[4,5,6]]) np.size(a) np.size(a,0) np.size(a,1) A 6 2 3 B 6 3 2 C 6 6 6 ...
  • 直接排序是对数据直接进行排序,间接排序是指根据一或多键值对数据集进行排序。直接排序使用 sort()函数,间接排序使用 argsort函数和lexsort函数。sort函数是常用的排序方法,函数调用改变原始组,无返回值。...
  • 操作布尔数组统计个数记录True的个数numpy.count_nonzero函数记录True的个数numpy.sum函数快速查阅3.将布尔数组作为掩码4.花哨的索引单纯的花哨索引组合索引花哨索引与普通索引花哨索引与切片花哨索引与掩码结合使用...
  • data数组中小于1的元素都替换为...统计元素个数: import numpy as np from collections import Counter a = np.array([[1,2],[3,4]]) Counter(a.flatten()) # 二维数组需展平统计 Out: Counter({1: 1, 2: 1, 3: ...
  • 关于numpu的常用算法,太好了! ...统计相关的函数 ...还不如自己写一计算呢。...numpy 统计200~240 之间的数字出现的个数 numpy count values between range 用google,弹出的检索条目,结...
  • Numpy计算数组中满足条件元素个数 需求:有一个非常大的数组比如1亿个数字,求出里面数字小于5000的数字数目 1.使用numpy的random模块生成1亿个数字 In [1]: import numpy as np In [3]: arr = np.random.randint(1...
  • Numpy计算数组中满足条件元素个数

    千次阅读 2021-10-07 15:23:27
    Numpy计算数组中满足条件元素个数 需求:有一个十分庞大的数组比如1亿个数字,求出里面数字小于5000的数字数目 1.使用随机函数生成1亿个数字 import numpy as np arr=np.random.randint(1,10000,size=100000000) ...
  • 主要介绍了Python+matplotlib+numpy绘制精美的条形统计图,具有一定借鉴价值,需要的朋友可以参考下
  • numpy数值统计

    2020-03-15 23:45:14
    一、numpy数值统计: 1、排序 (1)sort arr1 = np.array([5,2,3,6,7,1]) (2)argsort: 排序后的索引 print(arr1.argsort()) print(arr2.argsort(axis=0)) 2.去重: names = np.array([‘小明’, ‘小红’, ‘小明’,...
  • numpy数组计算非0元素个数

    千次阅读 2021-12-10 16:31:05
    np.count_nonzero(s) len(s.nonzero(s)[0])
  • numpy统计分析数据

    2020-11-26 21:06:36
    用于我博客中numpy笔记中的案例资源数据,开我博客的人,可以自行到这里下载查看,直接读取数据就可以了
  • numpy.ndarray计算数组中nan个数的方法

    千次阅读 2022-01-18 10:06:43
    np.where得到isnan返回真的(是nan)的tuple,tuple示例:(array([ 0, 1, 2, ..., 5635, 5636, 5637], dtype=int64),),第一元素是一nan的index数组,第二元素是数组的数据类型。因此,[0]取tuple的第一元素...
  • NumPy统计函数

    2022-04-14 12:43:57
    NumPy统计函数 NumPy 提供了许多统计功能的函数,比如查找数组元素的最值、百分位数、方差以及标准差等。 numpy.amin() 和 numpy.amax() 这两函数用于计算数组沿指定轴的最小值与最大值: amin() 沿指定的轴,查找...
  • numpy统计分布方法

    2020-12-24 17:29:50
    numpy统计分布方法 最小值和最大值 min():获取整个数组中最小的值 max():获取整个数组中最大的值 axis参数: 如果没有axis参数则获取整个数组的最小值或最大值,返回的为一值。 如果axis=0(1),则获取对应...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 87,428
精华内容 34,971
关键字:

统计numpy个数

友情链接: lustre_linkea.rar