Ilmu Data

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

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

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. Itu 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 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 particular. menit() fungsi digunakan untuk mengetahui nilai minimum dari elemen array atau sumbu array tertentu particular.

Penggunaan fungsi mean()

Sintaks fungsi mean() diberikan di bawah ini.

Sintaksis:

numpy.mean(input_array, axis=Tidak ada, dtype=Tidak ada, keluar=Tidak ada, keepdims=)

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 multi-dimensi. 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.

di luar

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 array output output.

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
impor numpy sebagai np
# Buat array satu dimensi
np_array = np.array([6, 4, 9, 3, 1])
# Cetak array dan nilai rata-rata
print("Nilai dari array NumPy satu dimensi adalah:\n ", np_array)
print("Nilai rata-rata dari array satu dimensi adalah:\n", np.rata-rata (np_array))
# Buat array dua dimensi
np_array = np.array([[5, 3, 5], [5, 4, 3]])
# Cetak array dan nilai rata-rata
print("\nNilai dari array NumPy dua dimensi adalah:\n  ", np_array)
print("Nilai rata-rata dari array dua dimensi adalah:\n", np.mean(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:

numpy.max(input_array, axis=None, out=None, keepdims=None, initial=None, where=None)

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

masukan_array

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

sumbu

Ini adalah argumen opsional, dan nilainya bisa berupa bilangan bulat atau tupel bilangan bulat. Argumen ini digunakan untuk array multi-dimensi.

di luar

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.

dimana

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 dimensidimensional.

# impor perpustakaan NumPy
impor numpy sebagai np
# Buat array bilangan bulat NumPy
np_array = np.array([21, 5, 34, 12, 30, 6])
# Temukan nilai maksimum dari array
max_value = np.maks(np_array)
# Cetak nilai maksimum
print('Nilai maksimum array adalah: ', max_value)

Keluaran:

Output berikut akan muncul setelah menjalankan skrip di atas:.

Penggunaan fungsi min()

Sintaks fungsi min() diberikan di bawah ini.

Sintaksis:

numpy.min(input_array, axis=Tidak ada, keluar=Tidak ada, keepdims=Tidak ada, inisial=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 dimensidimensional.

# impor perpustakaan NumPy
impor numpy sebagai np
# Buat array bilangan bulat NumPy
np_array = np.array([21, 5, 34, 12, 30, 6])
# Temukan nilai maksimum dari array
max_value = np.maks(np_array)
# Cetak nilai maksimum
print('Nilai maksimum array adalah: ', max_value)

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.

5 Game Arkade Terbaik untuk Linux
Saat ini, komputer adalah mesin serius yang digunakan untuk bermain game. Jika Anda tidak bisa mendapatkan skor tinggi baru, Anda akan tahu apa yang s...
Pertempuran Untuk Wesnoth 1.13.6 Pengembangan Dirilis
Pertempuran Untuk Westnoth 1.13.6 dirilis bulan lalu, adalah rilis pengembangan keenam dalam 1.13.x series dan memberikan sejumlah peningkatan, teruta...
Cara Menginstal League Of Legends di Ubuntu 14.04
Jika Anda adalah penggemar League of Legends, maka ini adalah kesempatan bagi Anda untuk menguji coba League of Legends. Perhatikan bahwa LOL didukung...