统计函数是提取数据特征、洞察数据分布的核心工具，NumPy作为Python数值计算的基石，提供了丰富的统计函数库，涵盖均值、方差、中位数、相关系数等多种统计指标。

一、基础统计函数：均值、方差、标准差

1. 全局统计：忽略维度的整体计算

import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])print(np.mean(arr))      # 均值：3.5
print(np.var(arr))       # 方差：2.9166666666666665
print(np.std(arr))       # 标准差：1.707825127659933
print(np.sum(arr))       # 总和：21
print(np.min(arr))       # 最小值：1
print(np.max(arr))       # 最大值：6

2. 按轴统计：指定维度方向的计算

通过axis参数指定统计方向：

• axis=0：按列方向（跨行统计）
• axis=1：按行方向（跨列统计）

print(np.mean(arr, axis=0))  # 按列求均值：[2.5 3.5 4.5]
print(np.mean(arr, axis=1))  # 按行求均值：[2. 5.]
print(np.sum(arr, axis=1))   # 按行求和：[ 6 15]

二、位置统计：中位数、分位数、百分位数

1. 中位数计算

中位数是将数据分为上下两部分的数值，对异常值不敏感：

data = np.array([1, 3, 2, 4, 5])
print(np.median(data))  # 输出：3.0（排序后中间的数）# 偶数个元素时取中间两个数的平均值
data = np.array([1, 2, 3, 4])
print(np.median(data))  # 输出：2.5（(2+3)/2）

2. 分位数与百分位数

• 分位数：将数据分为k等份的数值（如四分位数k=4）
• 百分位数：分位数的特殊情况（k=100）

data = np.array([1, 2, 3, 4, 5])
print(np.percentile(data, 25))  # 第25百分位数：2.0
print(np.percentile(data, 50))  # 第50百分位数（中位数）：3.0
print(np.percentile(data, 75))  # 第75百分位数：4.0

三、离散程度：极差、四分位距、变异系数

1. 极差（Range）

最大值与最小值的差值：

data = np.array([1, 3, 2, 4, 5])
print(np.ptp(data))  # 输出：4（5-1）

2. 四分位距（IQR）

第75百分位数与第25百分位数的差值，衡量数据中间50%的离散程度：

q75, q25 = np.percentile(data, [75, 25])
print(q75 - q25)  # 输出：2.0（4-2）

3. 变异系数（Coefficient of Variation）

标准差与均值的比值，用于比较不同数据集的相对离散程度：

def coefficient_of_variation(x):return np.std(x) / np.mean(x)data = np.array([1, 2, 3, 4, 5])
print(coefficient_of_variation(data))  # 输出：0.5270462766947299

四、相关分析：协方差与相关系数

1. 协方差矩阵

衡量两个变量的总体误差，反映变量间的线性关系方向：

x = np.array([1, 2, 3])
y = np.array([4, 5, 6])
print(np.cov(x, y))
# 输出：
# [[ 1.  1.]
#  [ 1.  1.]]
# 对角线为各自的方差，非对角线为协方差

2. 相关系数矩阵

将协方差标准化到[-1,1]区间，更直观地反映相关性强度：

print(np.corrcoef(x, y))
# 输出：
# [[1. 1.]
#  [1. 1.]]
# 完全正相关（相关系数为1）

五、高级应用：加权统计与掩码处理

1. 加权统计

对不同数据点赋予不同权重，计算加权均值、方差等：

data = np.array([1, 2, 3])
weights = np.array([0.1, 0.3, 0.6])
print(np.average(data, weights=weights))  # 加权均值：2.5

2. 掩码数组：处理缺失值

使用np.ma模块创建掩码数组，忽略特定值进行统计：

data = np.array([1, np.nan, 3])
masked_data = np.ma.masked_invalid(data)  # 屏蔽NaN值
print(np.ma.mean(masked_data))  # 输出：2.0（忽略NaN后计算均值）

六、性能优化与注意事项

1. 内存高效的分块计算

处理超大规模数据时，可使用np.nanmean等函数自动处理NaN值，并通过out参数指定输出数组：

# 假设data是一个非常大的数组
result = np.empty(shape=data.shape[1:])
np.mean(data, axis=0, out=result)  # 直接将结果写入预分配内存

2. 统计函数的精度问题

不同数据类型可能导致统计结果精度差异：

arr_float = np.array([1.1, 2.2, 3.3], dtype=np.float64)
arr_float32 = arr_float.astype(np.float32)print(np.sum(arr_float))   # 输出：6.6（高精度）
print(np.sum(arr_float32)) # 输出：6.600000381469727（低精度）

七、实战案例：数据分布分析

1. 数据标准化

将数据转换为均值为0、标准差为1的标准正态分布：

data = np.array([1, 2, 3, 4, 5])
standardized = (data - np.mean(data)) / np.std(data)
print(standardized)  # 输出：[-1.26491106 -0.63245553  0.          0.63245553  1.26491106]

2. 异常值检测

使用四分位距识别异常值：

q1, q3 = np.percentile(data, [25, 75])
iqr = q3 - q1
lower_bound = q1 - 1.5 * iqr
upper_bound = q3 + 1.5 * iqr
outliers = data[(data < lower_bound) | (data > upper_bound)]
print(outliers)  # 输出异常值

3. 数据分布可视化（配合matplotlib）

import matplotlib.pyplot as plt
data = np.random.normal(0, 1, 1000)  # 生成正态分布数据
plt.hist(data, bins=30)
plt.axvline(np.mean(data), color='r', linestyle='dashed', linewidth=2)  # 均值线
plt.axvline(np.median(data), color='g', linestyle='dashed', linewidth=2)  # 中位数线
plt.show()

总结：NumPy统计函数的核心优势：

1. 高效性：底层用C实现，避免Python循环，处理大规模数据时性能优异
2. 灵活性：通过axis参数支持多维数组的任意方向统计
3. 鲁棒性：内置对NaN、Inf等特殊值的处理机制

That’s all, thanks for reading~~
觉得有用就点个赞、收进收藏夹吧！关注我，获取更多干货～