Question

1. 顺序统计

• numpy.amin(a[, axis, out, keepdims]) ：返回 a 中指定轴线上的最小值（数组）、或者返回 a 上的最小值（标量）。
• numpy.amax(a[, axis, out, keepdims]) ：返回 a 中指定轴线上的最大值（数组）、或者返回 a 上的最小值（标量）。
• numpy.nanmin(a[, axis, out, keepdims]) : 返回 a 中指定轴线上的最小值（数组）、或者返回 a 上的最小值（标量），忽略 NaN 。
• numpy.nanmax(a[, axis, out, keepdims]) :返回 a 中指定轴线上的最大值（数组）、或者返回 a 上的最小值（标量）忽略 NaN 。
• numpy.ptp(a[, axis, out]) ：返回 a 中指定轴线上的 maximum 减去 minimum （数组），即 peak to peak
• numpy.percentile(a, q[, axis, out, ...]) ：返回 a 中指定轴线上 qth 百分比 数据
• numpy.nanpercentile(a, q[, axis, out, ...]) ：返回 a 中指定轴线上 qth 百分比 数据

这里是共同的参数：

• a ：一个 array_like 对象
• axis ：可以为为 int 或者 tuple 或者 None ：
  • None ：将 a 展平，在整个数组上操作
  • int ：在 a 的指定轴线上操作
  • tuple of ints ：在 a 的一组指定轴线上操作
• out ：可选的输出位置。必须与期望的结果形状相同
• keepdims ：如果为 True ，则被操作的轴线上的数据会保留在结果中。

2. 均值和方差

• numpy.median(a[, axis, out, overwrite_input, keepdims]) :计算 a 在指定轴上的中位数
• numpy.average(a[, axis, weights, returned]) :计算 a 在指定轴上的加权平均数
• numpy.mean(a[, axis, dtype, out, keepdims]) :计算 a 在指定轴上的算术均值
• numpy.std(a[, axis, dtype, out, ddof, keepdims]) :计算 a 在指定轴上的标准差
• numpy.var(a[, axis, dtype, out, ddof, keepdims]) :计算 a 在指定轴上的方差
• numpy.nanmedian(a[, axis, out, overwrite_input, ...]) :计算 a 在指定轴上的中位数，忽略 NaN
• numpy.nanmean(a[, axis, dtype, out, keepdims]) :计算 a 在指定轴上的算术均值，忽略 NaN
• numpy.nanstd(a[, axis, dtype, out, ddof, keepdims]) :计算 a 在指定轴上的标准差，忽略 NaN
• numpy.nanvar(a[, axis, dtype, out, ddof, keepdims]) :计算 a 在指定轴上的方差，忽略 NaN

这里是共同的参数：

• a ：一个 array_like 对象
• axis ：可以为为 int 或者 tuple 或者 None ：
  • None ：将 a 展平，在整个数组上操作
  • int ：在 a 的指定轴线上操作
  • tuple of ints ：在 a 的一组指定轴线上操作
• out ：可选的输出位置。必须与期望的结果形状相同

3. 相关系数

• numpy.corrcoef(x[, y, rowvar, bias, ddof]) : 返回皮尔逊积差相关
• numpy.correlate(a, v[, mode]) ：返回两个一维数组的互相关系数
• numpy.cov(m[, y, rowvar, bias, ddof, fweights, ...]) ：返回协方差矩阵

4. 直方图

• numpy.histogram(a[, bins, range, normed, weights, ...]) :计算一组数据的直方图
• numpy.histogram2d(x, y[, bins, range, normed, weights]) ：计算两组数据的二维直方图
• numpy.histogramdd(sample[, bins, range, normed, ...]) ：计算多维数据的直方图
• numpy.bincount(x[, weights, minlength]) ：计算每个数出现的次数
• numpy.digitize(x, bins[, right]) ：返回每个数属于哪个 bin