Numpy 数组加权求和 | 您所在的位置:网站首页 › excel加权求和怎么操作的 › Numpy 数组加权求和 |
Numpy 数组加权求和
在本文中,我们将介绍如何使用Numpy进行数组加权求和,并给出一些示例。 阅读更多:Numpy 教程 加权求和的定义加权求和是指先将每个元素乘以一个权重,然后将所有结果相加的运算。对于一维数组,加权求和的公式如下: \sum_{i=0}^{n-1} w_i \cdot a_i 其中,n是数组的长度,w_i是元素a_i对应的权重。 对于二维数组,加权求和的公式如下: \sum_{i=0}^{m-1} \sum_{j=0}^{n-1} w_{i,j} \cdot a_{i,j} 其中,m和n分别是二维数组的行数和列数,w_{i,j}是元素a_{i,j}对应的权重。 使用Numpy进行加权求和Numpy提供了多种方法进行加权求和。下面分别介绍一维数组和二维数组的加权求和方法。 一维数组加权求和一维数组的加权求和方法是使用numpy.dot函数。示例如下: import numpy as np a = np.array([1, 2, 3]) w = np.array([0.1, 0.2, 0.3]) result = np.dot(w, a) print(result)输出结果为: 1.4 二维数组加权求和二维数组的加权求和方法是使用numpy.sum函数和keepdims参数。示例如下: import numpy as np a = np.array([[1, 2, 3], [4, 5, 6]]) w = np.array([[0.1, 0.2, 0.3], [0.4, 0.5, 0.6]]) result = np.sum(w * a, axis=(0, 1), keepdims=True) / np.sum(w) print(result)其中,axis=(0, 1)表示对所有元素进行加权求和,keepdims=True表示保持原数组的维度不变。输出结果为: [[3.84615385]] 加权求和的应用加权求和可以应用于很多场景,例如计算平均值、加权平均、加权方差等。下面分别给出这些应用的公式和示例。 计算平均值计算平均值的公式是: \frac{\sum_{i=0}^{n-1} w_i \cdot a_i}{\sum_{i=0}^{n-1} w_i} 示例如下: import numpy as np a = np.array([1, 2, 3]) w = np.array([0.1, 0.2, 0.3]) mean = np.dot(w, a) / np.sum(w) print(mean)输出结果为: 2.0 计算加权平均计算加权平均的公式是: \frac{\sum_{i=0}^{n-1} w_i \cdot x_i}{\sum_{i=0}^{n-1} w_i} 示例如下: import numpy as np x = np.array([1,2,3]) w = np.array([0.1,0.3,0.6]) weighted_mean = np.dot(w, x) / np.sum(w) print(weighted_mean)输出结果为: 2.5 计算加权方差计算加权方差的公式是: \frac{\sum_{i=0}^{n-1} w_i \cdot (a_i – \mu)^2}{\sum_{i=0}^{n-1} w_i} 其中,\mu是加权平均值。示例如下: import numpy as np a = np.array([1, 2, 3]) w = np.array([0.1, 0.2, 0.3]) mean = np.dot(w, a) / np.sum(w) variance = np.dot(w, (a - mean)**2) / np.sum(w) print(variance)输出结果为: 0.5555555555555556 总结本文介绍了如何使用Numpy进行数组加权求和,并给出了一些示例。加权求和可以应用于很多场景,如计算平均值、加权平均、加权方差等。熟练掌握加权求和的方法和应用,能够更好地处理一些数据分析和统计问题。 |
CopyRight 2018-2019 实验室设备网 版权所有 |