logo

numpy.mean() у Python

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