Bagaimana cara menggunakan fungsi Python NumPy mean(), min() dan max()?

How Use Python Numpy Mean



Pustaka Python NumPy memiliki banyak fungsi agregat atau statistik untuk melakukan berbagai jenis tugas dengan larik satu dimensi atau multidimensi. Beberapa fungsi agregat yang berguna adalah: mean(), min(), max(), rata-rata(), jumlah(), median(), persentil(), dll . Kegunaan dari mean(), min(), dan maks() fungsi dijelaskan dalam tutorial ini. NS berarti() fungsi digunakan untuk mengembalikan nilai rata-rata aritmatika dari elemen array. Mean aritmatika dihitung dengan membagi jumlah semua elemen array dengan jumlah total elemen array. Jika sumbu tertentu disebutkan dalam fungsi, maka itu akan menghitung nilai rata-rata dari sumbu tertentu. maks() fungsi digunakan untuk mengetahui nilai maksimum dari elemen array atau elemen dari sumbu array tertentu. menit () function digunakan untuk mengetahui nilai minimum dari elemen array atau sumbu array tertentu.

Penggunaan fungsi mean()

Sintaks fungsi mean() diberikan di bawah ini.







Sintaksis :



mati rasa.berarti(masukan_array,sumbu=Tidak ada,tipe d=Tidak ada,keluar=Tidak ada,keepdims=<Tidak bernilai>)

Fungsi ini dapat mengambil lima argumen. Tujuan dari argumen ini dijelaskan di bawah ini:



masukan_array





Ini adalah argumen wajib yang mengambil array sebagai nilai dan rata-rata nilai array dihitung oleh fungsi ini.

sumbu



Ini adalah argumen opsional, dan nilai argumen ini dapat berupa bilangan bulat atau tupel bilangan bulat. Argumen ini digunakan untuk array multidimensi. Jika nilai sumbu diatur ke 0, maka fungsi akan menghitung rata-rata nilai kolom, dan jika nilai sumbu diatur ke 1, maka fungsi akan menghitung rata-rata dari nilai baris.

tipe d

Ini adalah argumen opsional yang digunakan untuk mendefinisikan tipe data dari nilai rata-rata.

keluar

Ini adalah argumen opsional dan digunakan ketika output dari fungsi perlu disimpan dalam array alternatif. Dalam hal ini, dimensi larik keluaran harus sama dengan larik masukan. Nilai default dari argumen ini adalah Tidak ada .

keepdims

Ini adalah argumen opsional, dan nilai Boolean apa pun dapat diatur dalam argumen ini. Ini digunakan untuk mengirimkan output dengan benar berdasarkan array input.

Fungsi ini mengembalikan array nilai rata-rata jika nilai argumen keluar diatur ke Tidak ada , jika tidak, fungsi mengembalikan referensi ke larik keluaran.

Contoh: Menggunakan fungsi mean()

Contoh berikut menunjukkan bagaimana nilai rata-rata dari array satu dimensi dan dua dimensi dapat dihitung. Di sini, fungsi mean() pertama digunakan dengan larik satu dimensi dari bilangan bulat, dan fungsi mean() kedua digunakan dengan larik dua dimensi dari bilangan bulat.

# impor perpustakaan NumPy

impormati rasasebagaimisalnya

# Buat array satu dimensi

np_array=misalnyaHimpunan([6, 4, 9, 3, 1])

# Cetak array dan nilai rata-rata

mencetak('Nilai array NumPy satu dimensi adalah: ',np_array)

mencetak('Nilai rata-rata dari array satu dimensi adalah: ',misalnyaberarti(np_array))

# Buat array dua dimensi

np_array=misalnyaHimpunan([[5, 3, 5], [5, 4, 3]])

# Cetak array dan nilai rata-rata

mencetak(' Nilai dari array NumPy dua dimensi adalah: ',np_array)

mencetak('Nilai rata-rata dari array dua dimensi adalah: ',misalnyaberarti(np_array,sumbu=0))

Keluaran :

Output berikut akan muncul setelah menjalankan skrip di atas.

Penggunaan fungsi max()

Sintaks fungsi max() diberikan di bawah ini.

Sintaksis :

mati rasa.maksimal(masukan_array,sumbu=Tidak ada,keluar=Tidak ada,keepdims=Tidak ada,awal=Tidak ada,di mana=Tidak ada)

Fungsi ini dapat mengambil enam argumen. Tujuan dari argumen ini dijelaskan di bawah ini:

masukan_array

Ini adalah argumen wajib yang mengambil array sebagai nilai, dan fungsi ini menemukan nilai maksimum dari array.

sumbu

Ini adalah argumen opsional, dan nilainya dapat berupa bilangan bulat atau tupel bilangan bulat. Argumen ini digunakan untuk array multidimensi.

keluar

Ini adalah argumen opsional dan digunakan ketika output dari fungsi perlu disimpan dalam array alternatif.

keepdims

Ini adalah argumen opsional, dan nilai Boolean apa pun dapat diatur dalam argumen ini. Ini digunakan untuk mengirimkan output dengan benar berdasarkan array input.

awal

Ini adalah argumen opsional yang digunakan untuk mengatur nilai minimum dari output.

di mana

Ini adalah argumen opsional yang digunakan untuk membandingkan elemen array untuk mengetahui nilai maksimum. Nilai default dari argumen ini adalah Tidak ada .

Fungsi ini mengembalikan nilai maksimum untuk larik satu dimensi atau larik dengan nilai maksimum untuk larik multidimensi.

Contoh: Menggunakan fungsi max()

Contoh berikut menunjukkan penggunaan fungsi max() untuk mengetahui nilai maksimum array satu dimensi.

# impor perpustakaan NumPy

impormati rasasebagaimisalnya

# Buat array bilangan bulat NumPy

np_array=misalnyaHimpunan([dua puluh satu, 5, 3. 4, 12, 30, 6])

# Temukan nilai maksimum dari array

nilai_maks=misalnyamaksimal(np_array)

# Cetak nilai maksimum

mencetak('Nilai maksimum array adalah:',nilai_maks)

Keluaran :

Output berikut akan muncul setelah menjalankan skrip di atas.

Penggunaan fungsi min()

Sintaks fungsi min() diberikan di bawah ini.

Sintaksis :

mati rasa.min(masukan_array,sumbu=Tidak ada,keluar=Tidak ada,keepdims=Tidak ada,awal=Tidak ada,di mana=Tidak ada)

Maksud dari argumen fungsi ini sama dengan fungsi max() yang telah dijelaskan pada bagian fungsi max(). Ini mengembalikan nilai minimum dari array input.

Contoh: Menggunakan fungsi min()

Contoh berikut menunjukkan penggunaan fungsi min() untuk mengetahui nilai minimum array satu dimensi.

# impor perpustakaan NumPy

impormati rasasebagaimisalnya

# Buat array bilangan bulat NumPy

np_array=misalnyaHimpunan([dua puluh satu, 5, 3. 4, 12, 30, 6])

# Temukan nilai maksimum dari array

nilai_maks=misalnyamaksimal(np_array)

# Cetak nilai maksimum

mencetak('Nilai maksimum array adalah:',nilai_maks)

Keluaran :

Output berikut akan muncul setelah menjalankan skrip di atas.

Kesimpulan

Tujuan dari tiga fungsi agregat yang berguna (mean(), max(), dan min()) telah dijelaskan dalam tutorial ini untuk membantu pembaca mengetahui cara menggunakan fungsi-fungsi ini dalam skrip python.