NumPy的常用方法

统计分析与聚合计算：NumPy 常用方法与 axis 轴向计算精讲

小象实战讲义 · Python数据分析实战

在探索性数据分析（EDA）与业务指标建模中，快速计算数据集的集中趋势（均值、中位数）、离散程度（标准差、方差）、极值分布（最大/最小值及其坐标索引）以及累积统计量是最高频的刚需。NumPy 内置了一整套经过底层 C 语言高度优化的聚合统计函数库（Aggregation Routines）。更关键的是，通过引入 axis（轴向）参数，开发者可以极其灵活地控制是进行全局汇总、按行统计还是按列聚合。本节我们将系统讲解 NumPy 的常用统计函数、布尔判断与去重排序方法。

💡 核心导读

• 核心聚合统计函数族速查：
  • 基础汇总：np.sum()、np.mean()、np.max()、np.min()；
  • 离散分析：np.std()（标准差）、np.var()（方差）；
  • 极值定位：np.argmax()、np.argmin()（返回最大/最小值的索引位置）；
  • 累加累乘：np.cumsum()（前缀和）、np.cumprod()（前缀积）。
• axis 轴向计算的几何精髓：
  • 默认无参数：全矩阵扁平化全局统计；
  • axis=0：沿第 0 轴（纵向跨行折叠，计算每一列的统计值）；
  • axis=1：沿第 1 轴（横向跨列折叠，计算每一行的统计值）。
• 逻辑判断与集合去重工具：
  • np.all()（全真判断）与 np.any()（存在真判断）；
  • np.unique()：唯一值去重与词频统计（return_counts=True）。

1. 聚合函数与 axis 轴向折叠几何模型

理解 axis 参数是掌握 NumPy 多维计算的关键钥匙。在二维矩阵中，axis 可以直观理解为“沿着哪个方向被压缩压扁”：

┌─────────────────────────────────────────────────────────────┐
│                    二维矩阵 axis 轴向折叠模型                │
├─────────────────────────────────────────────────────────────┤
│                      axis=0 (纵向压缩，按列求统计值)         │
│                              │   │   │                      │
│                              ▼   ▼   ▼                      │
│                Col 0       Col 1       Col 2                │
│   Row 0 :   [   10,         20,         30   ]  ──► axis=1  │
│   Row 1 :   [   40,         50,         60   ]  ──► (横向压缩│
│                                                     按行统计)
│   axis=0 结果: [ (10+40),   (20+50),    (30+60) ]           │
│                 = [50,        70,         90]               │
└─────────────────────────────────────────────────────────────┘

• axis=0：沿着行变化的方向（从上到下）进行计算，输出形状为 (列数,)；
• axis=1：沿着列变化的方向（从左到右）进行计算，输出形状为 (行数,)。

2. Python 代码实战：常用统计函数与轴向聚合

# 示例 1：核心聚合统计函数与多轴向计算实战

import numpy as np

# 创建 3 个班级、4 门功课的成绩矩阵 (3行4列)
scores = np.array([
    [85, 92, 78, 90],
    [76, 88, 95, 82],
    [90, 85, 88, 94]
], dtype=np.float64)

print("=== 1. 原始成绩矩阵 (3 班级 x 4 门课) ===")
print(scores)

# 1. 全局统计 (所有维度汇总)
print("\n=== 2. 全局聚合指标 ===")
print("• 全年级总分 (sum):", np.sum(scores))
print("• 全年级平均分 (mean):", np.round(np.mean(scores), 2))
print("• 全年级最高分 (max):", np.max(scores), "| 最低分 (min):", np.min(scores))
print("• 成绩标准差 (std):", np.round(np.std(scores), 2))

# 2. 沿 axis=0 计算 (按科目列统计: 跨越各班级)
subject_means = np.mean(scores, axis=0)
print("\n=== 3. 按科目统计 (axis=0, 跨行按列求均值) ===")
print("• 4 门课程的平均分:", np.round(subject_means, 1))

# 3. 沿 axis=1 计算 (按班级行统计: 跨越各科目)
class_sums = np.sum(scores, axis=1)
class_means = np.mean(scores, axis=1)
print("\n=== 4. 按班级统计 (axis=1, 跨列按行求和/均值) ===")
print("• 各班级总分:", class_sums)
print("• 各班级平均分:", np.round(class_means, 1))

# 4. 极值索引定位 (argmax / argmin)
print("\n• 全局最高分的位置 (展平索引):", np.argmax(scores))
print("• 各班级最高分所在的科目编号 (axis=1):", np.argmax(scores, axis=1))

接下来，我们演示累加（cumsum）、布尔全量/存在断言与唯一值去重计数：

# 示例 2：累积统计、布尔断言与 np.unique 频次统计

# 1. 累加计算 (cumsum)
monthly_sales = np.array([120, 150, 180, 210, 260])
cum_sales = np.cumsum(monthly_sales)
print("\n=== 5. 累加前缀和 (cumsum) ===")
print("月度销售额:", monthly_sales)
print("年度累积销售额 (至当月):", cum_sales)

# 2. 布尔断言：all vs any
data_samples = np.array([12, 18, 25, 30, 42])
print("\n=== 6. 布尔断言判断 ===")
print("• 是否所有元素都大于 10 (np.all):", np.all(data_samples > 10))
print("• 是否所有元素都大于 20 (np.all):", np.all(data_samples > 20))
print("• 是否存在至少一个元素大于 40 (np.any):", np.any(data_samples > 40))

# 3. 唯一值与词频统计 (unique)
category_data = np.array(["北京", "上海", "北京", "广州", "北京", "上海", "深圳"])
unique_cities, city_counts = np.unique(category_data, return_counts=True)

print("\n=== 7. 唯一值去重与频次统计 (unique) ===")
print("去重后有序城市清单:", unique_cities)
for city, cnt in zip(unique_cities, city_counts):
    print(f"  • {city}: 出现 {cnt} 次")

📝 动手练一练

1. 机制思考题：在对形状为 (5, 6, 7) 的三维数组执行 np.mean(arr, axis=1) 时，输出结果的形状会是什么？为什么？

   👉 点击查看参考答案

   参考答案： 输出形状为 (5, 7)。因为指定 axis=1 意味着将中间轴（长度为 6 的维度）沿该轴向进行计算并折叠消除，剩下的第 0 轴（5）与第 2 轴（7）保持原样保留下来。

2. 编程练习：给定一个一维数组 arr = np.array([10, 50, 20, 90, 30])，请使用 np.argmax() 找出最大值所在的下标，并通过该下标打印出最大值。

   👉 点击查看参考答案

   参考答案：

   import numpy as np
   
   arr = np.array([10, 50, 20, 90, 30])
   max_idx = np.argmax(arr)
   print(f"最大值位于索引 [{max_idx}]，对应数值为: {arr[max_idx]}")

本章小结

在本节中，我们全面掌握了 NumPy 高性能统计分析的核心方法：

• 熟练掌握了 mean、sum、std、max、min、argmax 等核心统计指标函数；
• 深刻理解了 axis=0（按列折叠）与 axis=1（按行折叠）的几何运算本质；
• 掌握了 all、any 条件真值校验与 np.unique 快速去重计数的实战技巧。

📋 行动清单

• 理解二维矩阵中 axis=0 与 axis=1 的计算方向。
• 做好准备，进入下一小节学习《向量化计算与广播机制（Broadcasting）》！

—— 小象教研组