Python numpy average用法及代碼示例

本文簡要介紹 python 語言中 numpy.average 的用法。

用法:

numpy.average(a, axis=None, weights=None, returned=False)

計算沿指定軸的加權平均值。

參數：

a： array_like

包含要平均的數據的數組。如果 a 不是數組，則嘗試轉換。

axis： 無或int 或整數元組，可選

沿其平均的一個或多個軸。默認值，axis=None，將對輸入數組的所有元素進行平均。如果軸為負數，則從最後一個軸計數到第一個軸。

如果axis是整數元組，則在元組中指定的所有軸上執行平均，而不是像以前那樣在單個軸或所有軸上執行。

weights： 數組，可選

與 a 中的值關聯的權重數組。 a 中的每個值都根據其關聯的權重對平均值做出貢獻。權重數組可以是一維的(在這種情況下，它的長度必須是沿給定軸的 a 的大小)或與 a 具有相同的形狀。如果 weights=None，則假定 a 中的所有數據的權重等於 1。一維計算是：

avg = sum(a * weights) / sum(weights)

對權重的唯一限製是 sum(weights) 不能為 0。

returned： 布爾型，可選

默認為False.如果True, 元組 (average,sum_of_weights) 返回，否則隻返回平均值。如果權重=無,sum_of_weights等於取平均值的元素數量。

返回：

retval, [sum_of_weights]： array_type 或雙

返回沿指定軸的平均值。什麽時候返回是True，返回一個元組，其中平均值作為第一個元素，權重之和作為第二個元素。sum_of_weights與逆轉錄.結果 dtype 遵循一般模式。如果權重為無，結果 dtype 將是a， 或者float64如果a是積分。否則，如果權重不是 None 並且a是非整數的，結果類型將是能夠表示兩者值的最低精度類型a和權重.如果a恰好是整數，之前的規則仍然適用，但結果 dtype 至少是float64.

拋出：

ZeroDivisionError

當沿軸的所有權重為零時。請參閱 numpy.ma.average 以了解對此類錯誤具有魯棒性的版本。

TypeError

當一維權重的長度與沿軸的形狀不同時。

例子：

>>> data = np.arange(1, 5)
>>> data
array([1, 2, 3, 4])
>>> np.average(data)
2.5
>>> np.average(np.arange(1, 11), weights=np.arange(10, 0, -1))
4.0

>>> data = np.arange(6).reshape((3,2))
>>> data
array([[0, 1],
       [2, 3],
       [4, 5]])
>>> np.average(data, axis=1, weights=[1./4, 3./4])
array([0.75, 2.75, 4.75])
>>> np.average(data, weights=[1./4, 3./4])
Traceback (most recent call last):
    ...
TypeError: Axis must be specified when shapes of a and weights differ.

>>> a = np.ones(5, dtype=np.float128)
>>> w = np.ones(5, dtype=np.complex64)
>>> avg = np.average(a, weights=w)
>>> print(avg.dtype)
complex256