搬运 :https://blog.csdn.net/lilong117194/article/details/78397329?depth_1-utm_source=distribute.pc_relevant.none-task&utm_source=distribute.pc_relevant.none-task
>>> a = np.array([[1, 2], [3, 4]])
>>> a
array([[1, 2],
[3, 4]])
>>> np.mean(a)
2.5
>>> np.mean(a, axis=0) # axis=0,计算每一列的均值
array([ 2., 3.])
>>> np.mean(a, axis=1) # 计算每一行的均值
array([ 1.5, 3.5])
>>>
>>> import numpy as np
>>> num1 = np.array([[1,2,3],[2,3,4],[3,4,5],[4,5,6]])
>>> num1
array([[1, 2, 3],
[2, 3, 4],
[3, 4, 5],
[4, 5, 6]])
>>> num2 = np.mat(num1)
>>> num2
matrix([[1, 2, 3],
[2, 3, 4],
[3, 4, 5],
[4, 5, 6]])
>>> np.mean(num2) # 对所有元素求均值
3.5
>>> np.mean(num2,0) # 压缩行,对各列求均值
matrix([[ 2.5, 3.5, 4.5]])
>>> np.mean(num2,1) # 压缩列,对各行求均值
matrix([[ 2.],
[ 3.],
[ 4.],
[ 5.]])
>>>
np.cov()
Numpy中的 cov() 可以直接求得矩阵的协方差矩阵。
from numpy import *
A = array([[0, 2], [1, 1], [2, 0]]).T
print(A) # [[0 1 2][2 1 0]]
B = cov(A) # 默认行为变量计算方式,即X为行,Y也为行
print(B) # [[ 1. -1.][-1. 1.]]
C = cov(A, rowvar=False) # 此时列为变量计算方式 即X为列,Y也为列
print(C) # [[ 2. 0. -2.][ 0. 0. 0.][-2. 0. 2.]]
————————————————
版权声明:本文为CSDN博主「Arrow and Bullet」的原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/qq_41800366/article/details/88063772
numpy.corrcoef ()
numpy.corrcoef(x,y = None,rowvar = True )
返回皮尔逊积矩相关系数。
x : 类似数组
一维或二维数组,其中包含多个变量和观察值。x的每一行代表一个变量,每一列代表所有这些变量的单个观察值。另请参见下面的rowvar。
y : array_like,可选
另一组变量和观察值。y与x具有相同的形状。
rowvar : 布尔值,可选
如果rowvar为True(默认值),则每一行代表一个变量,各列中带有观察值。否则,该关系将转置:每一列代表一个变量,而行包含观察值。
a = pd.Series([1,2,3,4,5,6,7,8,9,10])
b = pd.Series([2,4,1,5,1,3,6,2,7,0])
c = pd.Series([0,3,2,1,4,7,1,9,6,2])
x = np.vstack((a,b,c))
r = np.corrcoef(x)
print(r)
>>>
[[1. 0.10233683 0.47840854]
[0.10233683 1. 0.0242104 ]
[0.47840854 0.0242104 1. ]]
matplotlib.pyplot.scatter
matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=None, edgecolors=None, *, plotnonfinite=False, data=None, **kwargs)[source]
x,y : array_like,形状(n,)
数据位置。
s : 标量或类似array_,形状(n,),可选
标记大小(以磅为单位)** 2。默认值为。rcParams[‘lines.markersize’] ** 2
c : 颜色,序列或颜色序列,可选
marker : MarkerStyle,可选
标记样式。标记可以是类的实例,也可以是特定标记的文本简写。默认为None,在这种情况下,其值为 =‘o’。参见以获取有关标记样式的更多信息。rcParams[“scatter.marker”] = 'o’markers
CMAP : Colormap,可选,默认:无
一个Colormap实例或注册的颜色表名。仅当c是浮点数数组时才使用cmap。如果为,则默认为rc 。Noneimage.cmap
norm : Normalize,可选,默认:无
甲Normalize实例用于刻度的亮度数据为0,1 范数,如果只用于Ç是浮点数的数组。如果为None,则使用默认值colors.Normalize。
python matplotlib contour画等高线图
⬇️
https://blog.csdn.net/Mr_Cat123/article/details/80677525?depth_1-utm_source=distribute.pc_relevant.none-task&utm_source=distribute.pc_relevant.none-task