numpy 均值 方差,numpy数组相除

  numpy 均值 方差,numpy数组相除

  这篇文章主要介绍了使用数组对数组求平均时如何忽略圆盘烤饼值,具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教

  

目录

数字对数组求平均时忽略圆盘烤饼值使用np。均值()的效果使用南均值的效果数组含圆盘烤饼值进行归一化操作方法一方法二

 

  

numpy对数组求平均时忽略nan值

 

  在对数组数组求平均np。均值()或者求数组中最大最小值np.max()/np.min()时,如果数组中有南,此时求得的结果为:南,那么该如何忽略其中的圆盘烤饼呢?

  此时应该用另一个方法

  np.nanmean(),np.nanmax(),np.nanmin()

  

使用np.mean()的效果

 

  

使用np.nanmean()的效果

 

  

numpy含nan值进行归一化操作

 

  

方法一

 

  将数组作为铭牌导入

  A=np.array([[ 7,4,5,7000],

  [ 1,900,9,南],

  [ 5,-1000,南,100],

  [南,南,31000]])

  #计算纳米规范

  L1 _诺姆=np.nansum(np.abs(A),轴=1)

  L2 _诺姆=np.sqrt(np.nansum(A**2,轴=1))

  max_norm=np.nanmax(np.abs(A),axis=1)

  #正常化行

  L1=L1诺姆[:np.newaxis] # A值如果数据帧

  L2=L2诺姆

  A_max=A/max_norm[:np.newaxis]

  #检查它是否有效

  L1 _诺姆_after=np。南苏姆(np.abs(A_L1),轴=1)

  L2 _诺姆_ after=NP。sqrt(NP。南苏姆(A _ L2 * * 2,轴=1))

  max _ norm _ after=NPnan max(NP。ABS(A _ max),轴=1)

  [182]:中L1 _规范_经过

  Out[182]:数组([1 . 1. 1. 1.])

  [183]:中L2 _规范_经过

  Out[183]:数组([1 . 1. 1. 1.])

  [184]:中max_norm_after

  Out[184]:数组([1 . 1. 1. 1.])

  

方法二

 

  rom数字进口南,南意味着

  来自sklearn。预处理导入标准缩放器

  scaler=StandardScaler()

  A=[[ 7,4,5,7000],

  [ 1,900,9,南],

  [ 5,-1000,南,100],

  [南,南,3,1000]]

  scaler.fit(A)

  在[45]:定标器.平均值_

  [45]:数组([4.33333333,-32。 5.66666667, 2700.])

  在[46]:缩放器.转换(A)中

  [46]:数组([[ 1.06904497,0.04638641,-0.26726124,1.40399977),

  [-1.33630621,1.20089267,1.33630621,nan],

  [ 0.26726124,-1.24727908,南,-0.84893009],

  [南,南,-1.06904497,-0.55506968]])

  在[54]:中,nan表示(定标器。变换(A),轴=0)

  [54]:阵列([ 1.48029737e-16,0.00000000e 00,-1.48029737e-16,0.00000000e 00))

  以上为个人经验,希望能给大家一个参考,也希望大家多多支持盛行信息技术软件开发工作室。

郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。

留言与评论(共有 条评论)
   
验证码: