Python numpy mean用法及代码示例

本文简要介绍 python 语言中 numpy.mean 的用法。

用法:

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

计算沿指定轴的算术平均值。

返回数组元素的平均值。默认情况下，平均值会在展平的数组上，否则在指定的轴上。 float64 中间值和返回值用于整数输入。

参数：

a： array_like

包含需要其平均值的数字的数组。如果 a 不是数组，则尝试转换。

axis： 无或int 或整数元组，可选

计算平均值的一个或多个轴。默认是计算扁平数组的平均值。

如果这是一个整数元组，则在多个轴上执行平均值，而不是像以前那样在单个轴或所有轴上执行。

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 dtype 相同。

out： ndarray，可选

用于放置结果的备用输出数组。默认为 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。有关更多详细信息，请参阅输出类型确定。

keepdims： 布尔型，可选

如果将其设置为 True，则缩小的轴将作为尺寸为 1 的尺寸留在结果中。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，那么保持昏暗不会被传递到mean子类的方法numpy.ndarray，但是任何非默认值都是。如果sub-class' 方法没有实现保持昏暗将引发任何异常。

where： 类似于 bool 的数组，可选

要包含在平均值中的元素。有关详细信息，请参阅 reduce 。

返回：

m： ndarray，见上面的 dtype 参数

如果 out=None，则返回一个包含平均值的新数组，否则返回对输出数组的引用。

注意：

算术平均值是沿轴的元素的总和除以元素的数量。

请注意，对于浮点输入，均值是使用与输入相同的精度计算的。根据输入数据，这可能会导致结果不准确，尤其是对于 float32 (参见下面的示例)。使用 dtype 关键字指定higher-precision 累加器可以缓解此问题。

默认情况下， float16 结果使用 float32 中间值计算以提高精度。

例子：

>>> 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])

在单精度中，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 where 参数： >>> a = np.array([[5, 9, 13], [14, 10, 12], [11, 15, 19]]) >>> np.mean(a) 12.0 >>> np.mean(a, where=[[True], [False], [False]]) 9.0