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