logo

numpy.mean() w Pythonie

Suma elementów wraz z osią podzieloną przez liczbę elementów jest nazywana Średnia arytmetyczna . Funkcja numpy.mean() służy do obliczania średniej arytmetycznej wzdłuż określonej osi.

Ta funkcja zwraca średnią elementów tablicy. Domyślnie średnia jest pobierana ze spłaszczonej tablicy. W przeciwnym razie na określonej osi pływak 64 jest pośredni, a wartości zwracane są używane jako dane wejściowe w postaci liczb całkowitych

Składnia

 numpy.mean(a, axis=None, dtype=None, out=None, keepdims=) 

Parametry

Oto następujące parametry funkcji numpy.mean():

bash, jeśli warunek

a: tablica_podobna

Ten parametr definiuje tablicę źródłową zawierającą elementy, których średnia jest pożądana. W takim przypadku, gdy „a” nie jest tablicą, podejmowana jest próba konwersji.

oś: Brak, int lub krotka int (opcjonalnie)

Parametr ten określa oś, wzdłuż której obliczane są średnie. Domyślnie średnia jest obliczana ze spłaszczonej tablicy. W wersji 1.7.0, jeśli jest to krotka int, średnia jest wykonywana na wielu osiach, a nie na pojedynczej osi lub wszystkich osiach, jak poprzednio.

dtype: typ danych (opcjonalnie)

Ten parametr służy do definiowania typu danych używanych do obliczania średniej. Dla wejść całkowitych wartością domyślną jest float64, a dla wejść zmiennoprzecinkowych jest taki sam jak wejściowy typ d.

wyjście: ndarray (opcjonalnie)

Parametr ten określa alternatywną tablicę wyjściową, w której zostanie umieszczony wynik. Kształt wynikowej tablicy powinien być taki sam, jak kształt oczekiwanego wyniku. W razie potrzeby zostanie wyświetlony typ wartości wyjściowych.

keepdim: bool (opcjonalnie)

Gdy wartość jest prawdziwa, zredukowana oś pozostaje jako wymiary o rozmiarze jeden na wyjściu/wyniku. Ponadto wynik jest poprawnie transmitowany względem tablicy wejściowej. Kiedy ustawiona jest wartość domyślna, keepdims nie przechodzi przez metodę mean podklas ndarray, ale każda wartość inna niż domyślna z pewnością przejdzie. W przypadku, gdy metoda podklasy nie implementuje keepdim, z pewnością pojawi się wyjątek.

Powrót

Jeśli ustawimy parametr „out” na Nic , ta funkcja zwraca nową tablicę zawierającą wartości średnie. W przeciwnym razie zwróci odwołanie do tablicy wyjściowej.

Przykład 1:

 import numpy as np a = np.array([[1, 2], [3, 4]]) b=np.mean(a) b x = np.array([[5, 6], [7, 34]]) y=np.mean(x) y 

Wyjście:

 2.5 13.0 

W powyższym kodzie

  • Zaimportowaliśmy numpy z aliasem np.
  • Stworzyliśmy dwie tablice „a” i „x” za pomocą funkcji np.array().
  • Zadeklarowaliśmy zmienne „b” i „y” oraz przypisaliśmy wartość zwracaną przez funkcję np.zeros().
  • W funkcji przekazaliśmy tablice „a” i „x”.
  • Na koniec próbowaliśmy wydrukować wartość „b” i „y”.

Przykład 2:

 import numpy as np a = np.array([[2, 4], [3, 5]]) b=np.mean(a,axis=0) c=np.mean(a,axis=1) b c 

Wyjście:

 array([2.5, 4.5]) array([3., 4.]) 

Przykład 3:

W przypadku pojedynczej precyzji średnia może być niedokładna:

 import numpy as np a = np.zeros((2, 512*512), dtype=np.float32) a[0, :] = 23.0 a[1, :] = 32.0 c=np.mean(a) c 

Wyjście:

 27.5 

W powyższym kodzie

  • Zaimportowaliśmy numpy z aliasem np.
  • Utworzyliśmy tablicę „a” za pomocą funkcji np.zeros() z typem dtype float32.
  • Ustawiliśmy wartość wszystkich elementów pierwszego rzędu na 23,0, a drugiego rzędu na 32,0.
  • W funkcji przekazaliśmy tablicę „a” i przypisaliśmy wartość zwracaną przez funkcję np.mean().
  • Na koniec próbowaliśmy wydrukować wartość „c”.

Na wyjściu wyświetlana jest średnia tablicy „a”.

Przykład 4:

Obliczanie średniej w float64 jest dokładniejsze:

 import numpy as np a[0, :] = 2.0 a[1, :] = 0.2 c=np.mean(a) c d=np.mean(a, dtype=np.float64) d 

Wyjście:

 1.0999985 1.1000000014901161