convwthn函数（conv函数的用法）



对于大多数数据集，首先要执行的操作之一是计算数据的汇总统计信息，以便在进一步探索数据之前大致了解数据。 除了数据的和、积、中值、最小值和最大值以及分位数等其他聚合，这些汇总统计信息还包括平均值和标准偏差。

NumPy 具有用于处理数组的快速内置聚合函数。 它们是本子节的主题。

可使用内置的 Python 函数对数组中的值进行求和。

输出为：

如果你猜也有用于此操作的 NumPy 内置函数，那你猜对了：

输出为：

如果你猜 NumPy 版本的速度更快，那你又猜对了：

输出为：

尽管它们很相似，请记住 和 并不相同。 它们的可选参数具有不同的含义，并且 可感知多个数组维度。

正如 Python 有内置的 和 函数，NumPy 也有类似的向量化版本：

输出为：

还可使用 、 和 （以及其他多个 NumPy 聚合）作为数组对象本身的方法：

输出为：

通常会将二维数组的行和列区别看待（例如，将列视为变量，将行视为这些变量的观察值）。 因此，通常需要沿行或列来聚合数组数据。 请考虑一个二维数组：

输出为：

除非另外指定，否则每个 NumPy 聚合函数都将计算整个数组的聚合。 因此，对于：

输出为：

聚合函数采用一个额外的参数，以指定要沿其计算聚合的轴。 例如，可通过指定 来查找每个列中的最小值：

输出为：

尝试 时，会出现什么情况？

请记住， 关键字指定要折叠的数组维度，而不是将返回的维度。 因此，如果指定 ，则将折叠第一个轴。 对于二维数组，这意味着将聚合每个列中的值。

下表列出了其他 NumPy 聚合函数。 大多数 NumPy 聚合具有“-safe”版本，它会计算结果，同时忽略由 值标记的缺失值。

在本课程的其余部分，我们将经常看到这些聚合。

版权声明：

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！

转载请注明出处，原文链接：https://www.xkablog.com/haskellbc/77275.html