numpy.
mean
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。
float64
包含所需平均值的数字的数组。如果 a 不是数组,尝试转换。
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。
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。
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。
None
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。
ndarray
包含在平均数中的元素。看到了吗 reduce 有关详细信息。
reduce
1.20.0 新版功能.
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。
float32
dtype
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。
float16
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