NumPy numpy.mean()的使用

将元素总和与沿指定轴的元素数量相除的结果被称为 算术平均值 。numpy.mean()函数用于计算沿指定轴的算术平均值。

此函数返回数组元素的平均值。默认情况下，平均值是在平铺的数组上计算的。否则，在指定的轴上计算，浮点64用于整数输入的中间值以及返回值。

语法

numpy.mean(a, axis=None, dtype=None, out=None, keepdims=<no value>)

参数

这是numpy.mean()函数中的以下参数：

a: array_like

该参数定义了包含所需平均值的元素的源数组。在’a’不是数组的情况下，会尝试进行转换。

axis: None、int或int元组（可选）

该参数定义了计算平均值的轴。默认情况下，计算扁平化数组的平均值。在1.7.0版本中，如果它是int元组，则进行多轴平均值计算，而不是之前的单轴或所有轴计算。

dtype: 数据类型（可选）

该参数用于定义计算平均值时使用的数据类型。对于整数输入，默认值为float64，对于浮点数输入，它与输入的dtype相同。

out: ndarray（可选）

该参数定义了一个替代输出数组，在其中存放结果。所得数组的形状应与期望输出的形状相同。必要时将转换输出值的类型。

keepdims: 布尔值（可选）

当值为true时，缩减的轴在输出/结果中保留为尺寸为1的维度。同时，结果可以正确地广播到输入数组。当设置为默认值时，keepdims 不通过 ndarray 的子类的 mean 方法，但任何非默认值肯定会通过。如果子类方法未实现keepdims，那么肯定会引发异常。

返回值

如果将 ‘out’ 参数设置为 None ，该函数将返回一个包含平均值的新数组。否则，将返回对输出数组的引用。

示例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

输出：

2.5
13.0

在上面的代码中

• 我们使用别名np导入了numpy库。
• 我们使用np.array()函数创建了两个数组’a’和’x’。
• 我们声明了变量’b’和’y’，并赋予了np.zeros()函数的返回值。
• 我们将数组’a’和’x’传递给函数。
• 最后，我们尝试打印变量’b’和’y’的值。

示例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

输出：

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

示例3

在单精度下，均值可能不准确：

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

输出：

27.5

在上述代码中

• 我们使用别名np导入了numpy。
• 我们使用np.zeros（）函数创建了一个名为’a’的数组，并使用dtype float32。
• 我们将第一行的所有元素的值设置为23.0，将第二行的元素设置为32.0。
• 我们将数组’a’传递给函数，并将np.mean（）函数的返回值分配给它。
• 最后，我们尝试打印’c’的值。

在输出中，它显示了数组’a’的平均值。

示例4

在float64中计算均值更精确：

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

输出：

1.0999985
1.1000000014901161