异常教程

NumPy 统计函数（长文讲解）

更新时间:

💡一则或许对你有用的小广告

欢迎加入小哈的星球 ，你将获得：专属的项目实战 / 1v1 提问 / Java 学习路线 / 学习打卡 / 每月赠书 / 社群讨论

  • 新项目:《从零手撸：仿小红书（微服务架构）》 正在持续爆肝中，基于 Spring Cloud Alibaba + Spring Boot 3.x + JDK 17...，点击查看项目介绍 ;
  • 《从零手撸：前后端分离博客项目（全栈开发）》 2 期已完结，演示链接： http://116.62.199.48/ ;

截止目前， 星球 内专栏累计输出 82w+ 字，讲解图 3441+ 张，还在持续爆肝中.. 后续还会上新更多项目，目标是将 Java 领域典型的项目都整一波，如秒杀系统, 在线商城, IM 即时通讯，权限管理，Spring Cloud Alibaba 微服务等等，已有 2900+ 小伙伴加入学习 ，欢迎点击围观

前言

在数据分析和科学计算领域，NumPy 统计函数是处理数值数据的核心工具。无论是计算均值、方差，还是探索数据分布特征，NumPy 提供的高效、简洁的接口都能显著提升开发效率。对于编程初学者而言，理解这些函数不仅能快速掌握数据处理的基础，还能为后续学习 Pandas、SciPy 等高级库打下坚实基础。本文将通过循序渐进的讲解和实战案例，帮助读者系统掌握 NumPy 统计函数的应用场景与实现逻辑。

一、NumPy 统计函数的基础概念

1.1 什么是统计函数？

统计函数是用于对数据集进行数值化描述的工具。例如：

  • 均值：数据的平均值
  • 标准差：衡量数据波动程度
  • 分位数：将数据分割成等分点

在 NumPy 中，这些函数被封装为 numpy.<函数名> 形式，例如 numpy.mean() 和 numpy.median()。它们直接作用于数组（Array），并返回计算结果。

1.2 NumPy 的优势：为什么选择它？

  • 速度优势：基于底层 C 语言实现，比纯 Python 代码快数百倍
  • 简洁语法：一行代码即可完成复杂统计计算
  • 兼容性：与 Pandas、Matplotlib 等库无缝衔接

1.3 示例数据准备

以下代码创建一个包含学生成绩的示例数组，后续案例均基于此数据：

import numpy as np

np.random.seed(42)  # 固定随机种子保证结果可复现
scores = np.random.randint(0, 101, 10)
print("原始成绩数据：", scores)

二、基础统计函数详解

2.1 均值（Mean）与中位数（Median）

2.1.1 均值：数据的“平衡点”

均值是所有数值的平均值，计算公式为：
[ \text{均值} = \frac{\sum_{i=1}^n x_i}{n} ]
代码示例：

mean_score = np.mean(scores)
print("平均分：", mean_score)

2.1.2 中位数：数据的“中间值”

中位数是排序后位于中间位置的数值。若数据量为偶数，则取中间两数的平均值。
代码示例：

median_score = np.median(scores)
print("中位数：", median_score)

比喻：
将成绩想象为超市货架上的商品高度，均值是“平均高度”，而中位数是“中间货架的高度”，后者更能抵抗极端值（如某个异常高分或低分）的影响。

2.2 标准差与方差：数据的波动程度

2.2.1 方差（Variance）

方差衡量数据与均值的偏离程度，计算公式为：
[ \text{方差} = \frac{\sum_{i=1}^n (x_i - \bar{x})^2}{n} ]
代码示例：

variance = np.var(scores)
print("方差：", variance)

2.2.2 标准差（Standard Deviation）

标准差是方差的平方根，单位与原始数据一致，更直观。
代码示例：

std_dev = np.std(scores)
print("标准差：", std_dev)

比喻：
标准差如同“数据的体温计”，数值越大表示数据越“发烧”（波动剧烈），越小则“冷静”（集中于均值附近）。

2.3 极差（Range）：简单但实用的指标

极差是最大值与最小值之差，反映数据跨度。

range_score = np.ptp(scores)  # ptp = "peak-to-peak"
print("极差：", range_score)

三、排序与分位数分析

3.1 数组排序：基础操作

sorted_scores = np.sort(scores)
print("排序后的成绩：", sorted_scores)

3.2 分位数（Quantile）与百分位数（Percentile）

分位数将数据分为等分部分，例如：

  • 四分位数（25%、50%、75%）
  • 百分位数（如第 90 百分位数）

代码示例：

quartiles = np.quantile(scores, [0.25, 0.5, 0.75])
print("四分位数：", quartiles)

percentile_90 = np.percentile(scores, 90)
print("第 90 百分位数：", percentile_90)

比喻：
分位数如同快递分拣站，将数据按比例分到不同区域，帮助快速定位数据分布。

四、高级统计函数应用

4.1 协方差与相关系数：探索变量关系

4.1.1 协方差（Covariance）

协方差衡量两个变量的协同变化程度。

returns_a = np.array([0.05, -0.02, 0.08, 0.01, -0.03])
returns_b = np.array([0.03, -0.01, 0.07, 0.02, -0.04])

covariance = np.cov(returns_a, returns_b)[0, 1]  # 获取两个变量的协方差
print("协方差：", covariance)

4.1.2 相关系数（Correlation Coefficient）

相关系数标准化了协方差，取值范围 [-1, 1]，消除量纲影响。

correlation = np.corrcoef(returns_a, returns_b)[0, 1]
print("相关系数：", correlation)

表格对比：
（与前一行空一行）
| 指标 | 协方差 | 相关系数 |
|--------------|-------------------------|--------------------------|
| 范围 | 无限制 | -1 到 1 |
| 量纲影响 | 有 | 无 |
| 解释 | 变化方向与幅度 | 变化方向与强度 |

4.2 统计函数的轴（axis）参数

当处理多维数组时，可通过 axis 参数指定统计方向：

data = np.array([[1, 2, 3], 
                [4, 5, 6]])

col_means = np.mean(data, axis=0)
print("列均值：", col_means)  # 输出 [2.5, 3.5, 4.5]

row_means = np.mean(data, axis=1)
print("行均值：", row_means)  # 输出 [2., 5.]

五、实战案例：学生成绩分析

5.1 数据生成与预处理

np.random.seed(42)
students = np.random.randint(60, 101, (100, 3))
math, chinese, english = students[:,0], students[:,1], students[:,2]

5.2 多维统计分析

subject_means = np.mean(students, axis=0)
print("各科平均分：", subject_means)

student_std = np.std(students, axis=1)
print("学生总分标准差：", student_std[:5])  # 展示前 5 个

5.3 分位数与异常值检测

math_90 = np.percentile(math, 90)
print("数学高分阈值：", math_90)

high_performers = students[math >= math_90]
print("高分学生数量：", high_performers.shape[0])

六、性能优化与注意事项

6.1 NumPy 的速度优势

对比纯 Python 实现：

def pure_python_mean(arr):
    return sum(arr) / len(arr)

np_mean = np.mean(scores)

6.2 处理缺失值（NaN）

NumPy 提供了忽略 NaN 的专用函数，例如：

data_with_nan = np.array([1, 2, np.nan, 4])
print("忽略 NaN 的均值：", np.nanmean(data_with_nan))

6.3 轴参数的常见误区

若未指定 axis，默认对所有元素进行统计：

total = np.sum(data)  # 输出 1+2+3+4+5+6 = 21

结论

通过本文的系统讲解，读者应能掌握 NumPy 统计函数 的核心功能与应用场景。从基础的均值、标准差，到进阶的协方差、分位数分析，这些工具为数据探索提供了强大的支持。建议读者通过以下步骤深化理解：

  1. 动手练习：基于本文代码示例修改参数，观察结果变化
  2. 结合业务场景：尝试用统计函数分析实际数据集（如销售记录、传感器数据）
  3. 探索扩展：学习 numpy.histogram() 等高级函数，或结合 Pandas 进行更复杂分析

掌握这些技能后，你将能够更高效地从数据中提取有价值的信息，为决策提供科学依据。

最新发布

查看更多文章