Python numpy mean用法及代碼示例

本文簡要介紹 python 語言中 numpy.mean 的用法。

用法:

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

計算沿指定軸的算術平均值。

返回數組元素的平均值。默認情況下，平均值會在展平的數組上，否則在指定的軸上。 float64 中間值和返回值用於整數輸入。

參數：

a： array_like

包含需要其平均值的數字的數組。如果 a 不是數組，則嘗試轉換。

axis： 無或int 或整數元組，可選

計算平均值的一個或多個軸。默認是計算扁平數組的平均值。

如果這是一個整數元組，則在多個軸上執行平均值，而不是像以前那樣在單個軸或所有軸上執行。

dtype： 數據類型，可選

用於計算平均值的類型。對於整數輸入，默認值為 float64 ；對於浮點輸入，它與輸入 dtype 相同。

out： ndarray，可選

用於放置結果的備用輸出數組。默認為 None ；如果提供，它必須具有與預期輸出相同的形狀，但如果需要，類型將被強製轉換。有關更多詳細信息，請參閱輸出類型確定。

keepdims： 布爾型，可選

如果將其設置為 True，則縮小的軸將作為尺寸為 1 的尺寸留在結果中。使用此選項，結果將針對輸入數組正確廣播。

如果傳遞了默認值，那麽保持昏暗不會被傳遞到mean子類的方法numpy.ndarray，但是任何非默認值都是。如果sub-class' 方法沒有實現保持昏暗將引發任何異常。

where： 類似於 bool 的數組，可選

要包含在平均值中的元素。有關詳細信息，請參閱 reduce 。

返回：

m： ndarray，見上麵的 dtype 參數

如果 out=None，則返回一個包含平均值的新數組，否則返回對輸出數組的引用。

注意：

算術平均值是沿軸的元素的總和除以元素的數量。

請注意，對於浮點輸入，均值是使用與輸入相同的精度計算的。根據輸入數據，這可能會導致結果不準確，尤其是對於 float32 (參見下麵的示例)。使用 dtype 關鍵字指定higher-precision 累加器可以緩解此問題。

默認情況下， float16 結果使用 float32 中間值計算以提高精度。

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])

在單精度中，mean 可能不準確：

>>> a = np.zeros((2, 512*512), dtype=np.float32)
>>> a[0, :] = 1.0
>>> a[1, :] = 0.1
>>> np.mean(a)
0.54999924

計算 float64 中的平均值更準確：

>>> np.mean(a, dtype=np.float64)
0.55000000074505806 # may vary

指定 where 參數： >>> 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