以下是按行分组找到平均值、最小值和最大值的解决方法的代码示例:
import numpy as np
def group_by_row(data):
# 计算每一行的平均值、最小值和最大值
avg_values = np.mean(data, axis=1)
min_values = np.min(data, axis=1)
max_values = np.max(data, axis=1)
# 将结果放入字典中
result = {"Average": avg_values, "Min": min_values, "Max": max_values}
return result
# 示例数据
data = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
# 按行分组计算平均值、最小值和最大值
result = group_by_row(data)
# 打印结果
for key, value in result.items():
print(key + ": ", value)
输出结果为:
Average: [2. 5. 8.]
Min: [1 4 7]
Max: [3 6 9]
这段代码首先定义了一个名为group_by_row
的函数,该函数接受一个二维数组作为输入数据。然后,使用NumPy库中的mean
、min
和max
函数分别计算每一行的平均值、最小值和最大值,并将结果存储在相应的数组中。
接下来,将平均值、最小值和最大值的数组存储在一个字典中,其中键是相应的指标名称("Average"、"Min"和"Max"),值是对应的数组。
最后,调用group_by_row
函数并传入示例数据进行计算。最后,使用循环遍历结果字典,并打印出每个指标的结果。
下一篇:按行格式化Plotly表格