numpy.mean
numpy.mean(a, axis=None, dtype=None, out=None, keepdims=) [source]
沿指定轴计算算术平均值。
返回数组元素的平均值。默认情况下,平均值取自展平的数组,否则取自指定的轴。float64
中间值和返回值用于整数输入。
参数 : | a :array_like 包含期望平均值的数字的数组。 如果a不是数组,则尝试进行转换。 axis :None 或 int 或 int类型的tuple,可选 计算均值所依据的一个或多个轴。 默认值是计算平坦数组的平均值。 1.7.0版中的新功能。 如果这是一个整数元组, 则在多个轴上执行均值, 而不是像以前那样在单个轴或所有轴上执行均值。 dtype :data-type, 可选 用于计算平均值的类型。对于整数输入, 默认值为 out :ndarray, 可选 要在其中放置结果的备用输出数组。默认值为 如果提供的话,它的形状必须与预期的输出形状相同, 但是如果需要的话,将强制转换类型。 有关更多详细信息,请参见ufuncs-output-type。 keepdims : 如果将其设置为True, 那么被缩减的轴将在结果中保留尺寸为1的维度。 使用此选项,结果将针对输入数组正确传递 如果传递了默认值, 则keepdims不会传递给ndarray子类的 但是任何非默认值都会传递。 如果子类的方法未实现keepdims,则将引发任何异常。 |
返回值 : | m :ndarray, see dtype parameter above 如果out = None,则返回包含平均值的新数组, 否则返回对输出数组的引用。 |
Notes
算术平均值是沿轴的元素之和除以元素数。
请注意,对于浮点输入,将使用与输入相同的精度来计算平均值。根据输入数据,这可能导致结果不准确,尤其是对于float32
(请参见下面的示例)。使用dtype
关键字指定高精度的累加器可以缓解此问题。
默认情况下,使用float32
中间体计算float16
结果可提高精度。
例子
>>> a = np.array([[1, 2], [3, 4]]) >>> np.mean(a) 2.5 >>> np.mean(a, axis=0) array([2., 3.]) >>> np.mean(a, axis=1) array([1.5, 3.5])
单精度而言,mean
可能不准确:
>>> a = np.zeros((2, 512*512), dtype=np.float32) >>> a[0, :] = 1.0 >>> a[1, :] = 0.1 >>> np.mean(a) 0.54999924
计算float64中的平均值更为准确:
>>> np.mean(a, dtype=np.float64) 0.55000000074505806 # may vary