numpy.mean

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

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，平均值将覆盖展平的数组，否则将覆盖指定的轴。 float64 中间值和返回值用于整数输入。

参数

aarray_like

包含所需平均值的数字的数组。如果 a 不是数组，尝试转换。

axis无、int或int的元组，可选

计算平均值的轴。默认值是计算展平数组的平均值。

1.7.0 新版功能.

如果这是整数的元组，则对多个轴执行平均值，而不是像以前那样对单个轴或所有轴执行平均值。

dtype数据类型，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，它与输入数据类型相同。

outndarray，可选

用于放置结果的备用输出数组。默认值为 None ；如果提供，它必须具有与预期输出相同的形状，但如果需要，类型将被强制转换。见 输出类型确定 了解更多详细信息。

keepdims可选的布尔

如果设置为“真”，则缩小的轴将保留在结果中，作为尺寸为1的尺寸。使用此选项，结果将针对输入数组正确广播。

如果传递了默认值，则 keepdims 不会传给 mean 子类方法 ndarray 但是，任何非默认值都是。如果子类的方法不实现 keepdims 将引发任何异常。

where数组类似bool，可选

包含在平均数中的元素。看到了吗 reduce 有关详细信息。

1.20.0 新版功能.

返回

mndarray，请参见上面的dtype参数

如果 out=None ，返回包含平均值的新数组，否则返回对输出数组的引用。

参见

average

加权平均

std, var, nanmean, nanstd, nanvar

笔记

算术平均数是元素沿轴的总和除以元素数。

注意，对于浮点输入，平均值是使用与输入相同的精度计算的。根据输入数据，这可能导致结果不准确，尤其是 float32 （见下例）。使用指定更高精度的累加器 dtype 关键字可以缓解此问题。

默认情况下， float16 计算结果时使用 float32 为提高精度而使用的中间体。

实例

>>> 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， 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中的平均值更准确：

>>> np.mean(a, dtype=np.float64)
0.55000000074505806 # may vary

指定参数：>>其中=np.数组( [[5, 9, 13] ， [14, 10, 12] ， [11, 15, 19] ]) >>> np.平均值（a） 12.0版>>>np.平均值（a）其中= [[对] ， [假] ， [假] ]) 9.0

numpy.average numpy.std