Liste des méthodes numpy pour les statistiques descriptives

1. A propos de la bibliothèque Numpy

NumPy est une bibliothèque Python open-source conçue pour effectuer des calculs scientifiques et mathématiques avec une grande efficacité. NumPy signifie "Numerical Python". Elle fournit des structures de données et des fonctions pour travailler avec des tableaux numériques (ou arrays) multidimensionnels.

2. Les méthodes numpy dédiées aux statistiques

Outre les fonctionalités qu'lle offre, NumPy fournit un grand nombre de fonctions pour effectuer des opérations de statistiques et de calculs de probabilités, telles que le calcul de la moyenne, de l'écart type, de la variance et des fonctions de distribution de probabilité etc.




Voici une liste de méthodes numpy pour les statistiques descriptives :

  1. numpy.bincount() : Calcule le nombre d'occurrences de chaque élément d'un tableau numpy.
  2. numpy.cdf() : Calcule la fonction de distribution cumulative d'un tableau numpy.
  3. numpy.corrcoef() : Calcule le coefficient de corrélation entre deux tableaux numpy.
  4. numpy.cov() : Calcule la covariance entre deux tableaux numpy.
  5. numpy.fft : sous module qui calcule la transformée de Fourier rapide d'un tableau numpy.
  6. numpy.gradient() : Calcule le gradient d'un tableau numpy.
  7. numpy.histogram() : Calcule l'histogramme d'un tableau numpy.
  8. numpy.histogram_bin_edges() : Calcule les bords des bins pour un histogramme donné.
  9. numpy.histogram2d() : Calcule l'histogramme 2D d'un tableau numpy.
  10. numpy.histogramdd() : Calcule l'histogramme nD d'un tableau numpy.
  11. numpy.histogramdd_bin_edges() : Calcule les bords des bins pour un histogramme nD donné.
  12. numpy.iqr() : Calcule l'écart interquartile d'un tableau numpy ou d'un axe particulier.
  13. numpy.max() : Retourne la valeur maximale d'un tableau numpy ou d'un axe particulier.
  14. numpy.mean() : Calcule la moyenne d'un tableau numpy ou d'un axe particulier.
  15. numpy.median() : Calcule la médiane d'un tableau numpy ou d'un axe particulier.
  16. numpy.min() : Retourne la valeur minimale d'un tableau numpy ou d'un axe particulier.
  17. numpy.nanmean() : Calcule la moyenne d'un tableau numpy en ignorant les valeurs NaN (not a number).
  18. numpy.nanmedian() : Calcule la médiane d'un tableau numpy en ignorant les valeurs NaN.
  19. numpy.nanpercentile() : Calcule le percentile d'un tableau numpy en ignorant les valeurs NaN.
  20. numpy.nanstd() : Calcule l'écart type d'un tableau numpy en ignorant les valeurs NaN.
  21. numpy.nanvar() : Calcule la variance d'un tableau numpy en ignorant les valeurs NaN.
  22. numpy.percentile() : Calcule le percentile d'un tableau numpy ou d'un axe particulier.
  23. numpy.percentile() : Calcule le percentile d'un tableau numpy ou d'un axe particulier.
  24. numpy.polyfit() : Calcule les coefficients d'un ajustement de régression polynomiale.
  25. numpy.polyval() : Évalue un polynôme donné aux points spécifiés.
  26. numpy.ptp() : Calcule la plage (différence entre la valeur maximale et la valeur minimale) d'un tableau numpy ou d'un axe particulier.
  27. numpy.quantile() : Calcule le quantile d'un tableau numpy ou d'un axe particulier.
  28. numpy.std() : Calcule l'écart type d'un tableau numpy ou d'un axe particulier.
  29. numpy.unique() : Retourne les valeurs uniques d'un tableau numpy.
  30. numpy.var() : Calcule la variance d'un tableau numpy ou d'un axe particulier.

Ces méthodes permettent de réaliser de nombreuses analyses statistiques descriptives à partir de tableaux numpy et sont très utiles pour le traitement de données dans le cadre de l'analyse de données et de la science des données en général.

 

Younes Derfoufi
CRMEF OUJDA

Leave a Reply