NumPy(Numerical Python的缩写)是一个开源的Python科学计算库。使用NumPy,就可以很自然地使用数组和矩阵。NumPy包含很多实用的数学函数,涵盖线性代数运算、傅里叶变换和随机数生成等功能。本文主要介绍一下NumPy中mean方法的使用。

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float64;对于浮点输入,它与输入dtype相同。

out :ndarray, 可选

要在其中放置结果的备用输出数组。默认值为None

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。

keepdimsbool, 可选

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mean方法,

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

推荐文档

相关文档

大家感兴趣的内容

随机列表