Сума елементів разом із віссю, поділеною на кількість елементів, називається середнє арифметичне . Функція numpy.mean() використовується для обчислення середнього арифметичного по вказаній осі.
Ця функція повертає середнє значення елементів масиву. За замовчуванням середнє значення береться для зведеного масиву. В іншому випадку на вказаній осі значення float 64 є проміжним, а значення, що повертаються, використовуються для введення цілих чисел
Синтаксис
numpy.mean(a, axis=None, dtype=None, out=None, keepdims=)
Параметри
Це такі параметри у функції numpy.mean():
таблиця ascii в c
a: array_like
Цей параметр визначає вихідний масив, що містить елементи, середнє значення яких бажане. У такому випадку, коли 'a' не є масивом, виконується спроба перетворення.
вісь: немає, int або tuple of ints (необов’язково)
Цей параметр визначає вісь, уздовж якої обчислюються середні значення. За замовчуванням середнє обчислюється для зведеного масиву. У версії 1.7.0, якщо це кортеж int, середнє значення виконується по кількох осях замість однієї осі або всіх осей, як раніше.
dtype: тип даних (необов'язково)
Цей параметр використовується для визначення типу даних, який використовується для обчислення середнього значення. Для цілочисельних вхідних даних стандартним є float64, а для вхідних даних із плаваючою комою це те саме, що і вхідний тип dtype.
вихід: ndarray (необов'язково)
Цей параметр визначає альтернативний вихідний масив, у який буде розміщено результат. Форма отриманого масиву має бути такою ж, як форма очікуваного результату. Тип вихідних значень буде приведено, коли це необхідно.
keepdims: bool (необов'язково)
Якщо значення істинне, зменшена вісь залишається як розміри з розміром один у виводі/результаті. Крім того, результат правильно транслюється щодо вхідного масиву. Коли встановлено значення за замовчуванням, keepdims не проходить через метод mean підкласів ndarray, але будь-яке значення не за замовчуванням обов’язково пройде. Якщо метод підкласу не реалізує keepdims, тоді обов’язково виникне виняток.
Повернення
Якщо ми встановимо для параметра 'out' значення жодного , ця функція повертає новий масив із середніми значеннями. В іншому випадку він поверне посилання на вихідний масив.
приклад 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
Вихід:
2.5 13.0
У наведеному вище коді
- Ми імпортували numpy з псевдонімом np.
- Ми створили два масиви 'a' і 'x' за допомогою функції np.array().
- Ми оголосили змінні «b» і «y» і призначили значення, яке повертає функція np.zeros().
- Ми передали у функцію масиви 'a' і 'x'.
- Нарешті, ми спробували надрукувати значення «b» і «y».
приклад 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
Вихід:
array([2.5, 4.5]) array([3., 4.])
приклад 3:
При одинарній точності середнє значення може бути неточним:
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
Вихід:
27.5
У наведеному вище коді
- Ми імпортували numpy з псевдонімом np.
- Ми створили масив 'a' за допомогою функції np.zeros() з dtype float32.
- Ми встановили значення всіх елементів 1-го рядка 23,0 і 2-го рядка 32,0.
- Ми передали масив «a» у функцію та присвоїли значення, що повертається функцією np.mean().
- Нарешті, ми спробували надрукувати значення 'c'.
У вихідних даних він показує середнє значення масиву 'a'.
Приклад 4:
Обчислення середнього у float64 точніше:
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
Вихід:
1.0999985 1.1000000014901161