logo
Loading...

np.var()維度問題 與 np.unique()output疑惑 - Cupoy

想請問兩個問題： 1.在np.var()的範例中三種結果是怎麼計算出來的（矩陣運算時樣本是哪些數字？...

np.var()維度問題 與 np.unique()output疑惑

2021/01/27 上午 02:27
NumPy 陣列的邏輯運算 (3/19更新)
Shabinna
觀看數：38
回答數：2
收藏數：1

想請問兩個問題： 1.在np.var()的範例中 三種結果是怎麼計算出來的（矩陣運算時樣本是哪些數字？怎麼組合[1] [1,2] [1,3]的結果？） ![截圖 2021-01-26 下午5.42.29.png](http://kwassistfile.cupoy.com/000001773FE751FB000000996375706F795F72656C656173655155455354/1611222124098/large) 2.為什麼使用np.unique時，最後一項的計數會被拆成兩個元素來表達？ 以這題就是9 有10+13個 ![截圖 2021-01-26 下午5.59.17.png](http://kwassistfile.cupoy.com/000001773FE751FB000000996375706F795F72656C656173655155455354/1611222124099/large) 謝謝

回答列表

  • 2021/01/27 上午 08:58
    Matthew Huang
    贊同數：1
    不贊同數：0
    留言數：1

    1. 針對np.var: (a)請重新執行所有代碼，jupyter有個毛病就是他是區塊式編譯，所以當你在debug時，強烈建議把所有代碼重新執行一次，不然變數會搞混 (b)我跑出來的結果 ![image](http://kwassistfile.cupoy.com/00000177414A6AEB0000023F6375706F795F72656C65617365414E53/1611222124105/large) (d)其他網站有更好的參考資料，注意，np.var和數學常見的方差定義不同! https://www.sharpsightlabs.com/blog/numpy-variance/ numpy的方差定義: ![image](http://kwassistfile.cupoy.com/00000177414A6AEB0000023F6375706F795F72656C65617365414E53/1611222124109/large) 不指定軸向的話，np.var會把數據攤開成1維下去執行 ![image](http://kwassistfile.cupoy.com/00000177414A6AEB0000023F6375706F795F72656C65617365414E53/1611222124106/large) axis=0 ![image](http://kwassistfile.cupoy.com/00000177414A6AEB0000023F6375706F795F72656C65617365414E53/1611222124107/large) axis=1 ![image](http://kwassistfile.cupoy.com/00000177414A6AEB0000023F6375706F795F72656C65617365414E53/1611222124108/large) 2. 針對np.unique (a)因為return_counts=True的關係，所以numpy還會告訴你每個數字出現幾次 (b)return_counts預設值是False ![image](http://kwassistfile.cupoy.com/00000177414A6AEB0000023F6375706F795F72656C65617365414E53/1611222124110/large)

  • 2021/01/27 下午 03:24
    張維元 (WeiYuan)
    贊同數：0
    不贊同數：0
    留言數：0

    嗨，你好
    我覺得 Matthew Huang 的回覆很好！這邊補上一些額外的建議，以後遇到 axis 建議找圖來看。

    嗨，你好，我是維元，持續在不同的平台發表對 #資料科學、 #網頁開發 或 #軟體職涯 相關的文章。如果對於內文有疑問都歡迎與我們進一步的交流，都可以追蹤我的 Facebook 或 技術部落格 ，也會不定時的舉辦分享活動，一起來玩玩吧 ヽ(●´∀`●)ﾉ 以下分享一些我近期發表跟資料科學有關的文章，歡迎大家持續追蹤： ■ 資料分析工具那麼多，該怎麼選？ 🛠️
    ■ 真．資料團隊與分工
    ■ 觀察資料的 N 件事 🔖
    ■ 資料前處理必須要做的事 - 資料清理與型態調整