Súčet prvkov spolu s osou vydelenou počtom prvkov je známy ako aritmetický priemer . Funkcia numpy.mean() sa používa na výpočet aritmetického priemeru pozdĺž zadanej osi.
Táto funkcia vracia priemer prvkov poľa. Štandardne sa priemer berie na sploštené pole. V opačnom prípade na špecifikovanej osi je float 64 stredný a návratové hodnoty sa používajú pre celočíselné vstupy
Syntax
numpy.mean(a, axis=None, dtype=None, out=None, keepdims=)
Parametre
Toto sú nasledujúce parametre vo funkcii numpy.mean():
java regex pre
a: array_like
Tento parameter definuje zdrojové pole obsahujúce prvky, ktorých priemer je požadovaný. V takom prípade, keď 'a' nie je pole, sa pokúsi o konverziu.
os: žiadna, int alebo tuple of ints (voliteľné)
Tento parameter definuje os, pozdĺž ktorej sa vypočítava priemer. Štandardne sa priemer počíta zo splošteného poľa. Vo verzii 1.7.0, ak ide o n-ticu ints, priemer sa vykoná na viacerých osiach namiesto jednej osi alebo všetkých osí ako predtým.
dtype: data-type (voliteľné)
Tento parameter sa používa na definovanie dátového typu použitého pri výpočte priemeru. Pre celočíselné vstupy je predvolená hodnota float64 a pre vstupy s pohyblivou rádovou čiarkou je rovnaká ako vstup dtype.
out: ndarray (voliteľné)
Tento parameter definuje alternatívne výstupné pole, do ktorého bude umiestnený výsledok. Tvar výsledného poľa by mal byť rovnaký ako tvar očakávaného výstupu. Typ výstupných hodnôt sa prenesie v prípade potreby.
keepdims: bool (voliteľné)
Keď je hodnota pravdivá, zmenšená os je ponechaná ako rozmery s veľkosťou jedna vo výstupe/výsledku. Výsledok sa tiež správne vysiela proti vstupnému poľu. Keď je nastavená predvolená hodnota, keepdims neprejde strednou metódou podtried ndarray, ale každá neštandardná hodnota určite prejde. V prípade, že metóda podtriedy neimplementuje keepdims, potom sa určite objaví výnimka.
Návrat
Ak nastavíme parameter 'out' na žiadne , táto funkcia vráti nové pole obsahujúce stredné hodnoty. V opačnom prípade vráti odkaz na výstupné pole.
Príklad 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
Výkon:
2.5 13.0
Vo vyššie uvedenom kóde
- Importovali sme numpy s aliasom np.
- Pomocou funkcie np.array() sme vytvorili dve polia 'a' a 'x'.
- Deklarovali sme premenné 'b' a 'y' a priradili návratovú hodnotu funkcie np.zeros().
- Vo funkcii sme odovzdali polia 'a' a 'x'.
- Nakoniec sme sa pokúsili vytlačiť hodnotu „b“ a „y“.
Príklad 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
Výkon:
array([2.5, 4.5]) array([3., 4.])
Príklad 3:
Pri jedinej presnosti môže byť stredná hodnota nepresná:
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
Výkon:
27.5
Vo vyššie uvedenom kóde
- Importovali sme numpy s aliasom np.
- Vytvorili sme pole 'a' pomocou funkcie np.zeros() s dtype float32.
- Hodnotu všetkých prvkov 1. riadku sme nastavili na 23,0 a 2. riadku 32,0.
- Vo funkcii sme odovzdali pole 'a' a priradili návratovú hodnotu funkcie np.mean().
- Nakoniec sme sa pokúsili vytlačiť hodnotu 'c'.
Vo výstupe zobrazuje priemer poľa 'a'.
Príklad 4:
Výpočet priemeru v float64 je presnejší:
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
Výkon:
1.0999985 1.1000000014901161