Python的numpy.mean()

元素的总和，加上除以元素数量的轴，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，平均值是在展平的数组上获取的。否则，在指定轴上，浮点数64是中间值，并且返回值用于整数输入

句法

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

参量

这些是numpy.mean()函数中的以下参数：

一个：array_like

此参数定义包含期望均值的元素的源数组。在“ a”不是数组的情况下，将尝试进行转换。

轴：无，整数或整数元组(可选)

此参数定义了计算平均值所沿的轴。默认情况下，均值是针对平坦数组计算的。在1.7.0版中，如果这是一个整数元组，那么将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：数据类型(可选)

此参数用于定义用于计算平均值的数据类型。对于整数输入，默认值为float64，对于浮点输入，默认值与输入dtype相同。

out：ndarray(可选)

此参数定义将在其中放置结果的备用输出数组。结果数组的形状应与预期输出的形状相同。必要时将转换输出值的类型。

keepdims：bool(可选)

当值为true时，缩小的轴将保留为输出/结果中尺寸为1的尺寸。另外，结果将正确广播到输入数组。设置默认值后，keepdims不会通过ndarray的子类的mean方法传递，但是任何非默认值都一定会通过。如果子类方法未实现keepdims，则肯定会出现异常。

返回

如果我们将’out’参数设置为None，此函数将返回一个包含平均值的新数组。否则，它将把引用返回给输出数组。

范例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

• 我们导入了别名为np的numpy。
• 我们使用np.array()函数创建了两个数组’a’和’x’。
• 我们已经声明了变量’b’和’y’并分配了np.zeros()函数的返回值。
• 我们已经在函数传递了数组’a’和’x’。
• 最后，我们尝试print“ b”和“ y”的值。

范例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.])

范例3：

以单精度，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

在上面的代码中

• 我们导入了别名为np的numpy。
• 我们使用dtype float32的np.zeros()函数创建了一个数组’a’。
• 我们已将第一行的所有元素的值设置为23.0，第二行的所有元素的值设置为32.0。
• 我们已经在函数传递了数组’a’，并分配了np.mean()函数的返回值。
• 最后，我们尝试print’c’的值。

在输出中，它显示了数组“ a”的平均值。

范例4：

计算float64中的平均值更为准确：

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