numpy.mean#

numpy.mean(a, axis=None, dtype=None, out=None, keepdims=<no value>, *, where=<no value>)[源代码]#

沿指定轴计算算术平均值.

返回数组元素的平均值.默认情况下,平均值取自扁平化数组,否则取自指定的轴.对于整数输入,使用 float64 中间值和返回值.

参数:
aarray_like

包含需要计算平均值的数字的数组.如果 a 不是数组,则尝试进行转换.

axisNone 或 int 或 int 元组,可选

计算均值的轴或多个轴.默认值是计算扁平化数组的均值.

如果这是一个整数元组,则会对多个轴执行平均值计算,而不是像以前那样对单个轴或所有轴执行平均值计算.

dtypedata-type,可选

用于计算均值的类型.对于整数输入,默认值为 float64 ;对于浮点输入,它与输入 dtype 相同.

outndarray, 可选

用于放置结果的可选输出数组. 默认值为 None ; 如果提供,则它必须具有与预期输出相同的形状,但是必要时将强制转换类型. 有关更多详细信息,请参见 输出类型确定 . 有关更多详细信息,请参见 输出类型确定 .

keepdimsbool, 可选

如果将其设置为 True,则缩减的轴将作为大小为 1 的维度保留在结果中.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,则不会将 keepdims 传递给 ndarray 子类的 mean 方法,但是任何非默认值都会传递.如果子类的方法未实现 keepdims ,则将引发任何异常.

wherebool 的类数组对象,可选

要包含在平均值中的元素. 有关详细信息,请参见 reduce .

在 1.20.0 版本加入.

返回:
mndarray,请参见上面的 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.

参见

average

加权平均值

std , var , nanmean , nanstd , nanvar

注释

算术平均值是轴上元素的总和除以元素的数量.

请注意,对于浮点输入,平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 (请参见下面的示例).使用 dtype 关键字指定更高精度的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,以获得更高的精度.

示例

>>> import numpy as np
>>> 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)
np.float32(0.54999924)

以 float64 计算平均值会更准确:

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

timedelta64中的平均值计算可用:

>>> b = np.array([1, 3], dtype="timedelta64[D]")
>>> np.mean(b)
np.timedelta64(2,'D')

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
当前页面