Elementu summa kopā ar asi, kas dalīta ar elementu skaitu, ir pazīstama kā vidējais aritmētiskais . Funkciju numpy.mean() izmanto, lai aprēķinātu vidējo aritmētisko pa norādīto asi.

Šī funkcija atgriež masīva elementu vidējo vērtību. Pēc noklusējuma vidējais rādītājs tiek ņemts no saplacinātā masīva. Citādi uz norādītās ass pludiņš 64 ir starpposms, kā arī atgriešanas vērtības tiek izmantotas veselu skaitļu ievadei

Sintakse

 numpy.mean(a, axis=None, dtype=None, out=None, keepdims=) 

Parametri

Šie ir šādi parametri funkcijā numpy.mean():

java 8

a: masīva_līdzīgs

Šis parametrs definē avota masīvu, kas satur elementus, kuru vidējā vērtība ir vēlama. Tādā gadījumā, ja “a” nav masīvs, tiek mēģināts pārveidot.

ass: nav, int vai int bloks (neobligāti)

Šis parametrs nosaka asi, pa kuru tiek aprēķināti vidējie rādītāji. Pēc noklusējuma tiek aprēķināts saplacinātā masīva vidējais lielums. Versijā 1.7.0, ja tas ir ints, vidējais rādītājs tiek veikts vairākām asīm, nevis vienas ass vai visām asīm, kā iepriekš.

dtype: datu tips (neobligāti)

Šo parametru izmanto, lai definētu datu tipu, kas tiek izmantots vidējās vērtības aprēķināšanā. Veselu skaitļu ievadei noklusējuma vērtība ir float64, un peldošā komata ievadei tas ir tāds pats kā ievades dtype.

izeja: ndarray (pēc izvēles)

Šis parametrs nosaka alternatīvu izvades masīvu, kurā tiks ievietots rezultāts. Iegūtā masīva formai jābūt tādai pašai kā paredzamās izvades formai. Izvades vērtību veids tiks nodots, kad nepieciešams.

Keepdims: bool (pēc izvēles)

Ja vērtība ir patiesa, samazinātā ass izvadē/rezultātā tiek atstāta kā izmēri ar vienu izmēru. Arī rezultāts tiek pareizi pārraidīts pret ievades masīvu. Kad ir iestatīta noklusējuma vērtība, Keepdims netiek nodots caur ndarray apakšklases vidējo metodi, taču jebkura vērtība, kas nav noklusējuma vērtība, noteikti tiks izturēta. Ja apakšklases metode neīsteno keepdims, izņēmums noteikti palielināsies.

Atgriezties

Ja parametru 'out' iestatām uz Nav , šī funkcija atgriež jaunu masīvu, kurā ir vidējās vērtības. Pretējā gadījumā tas atgriezīs atsauci uz izvades masīvu.

1. piemērs:

 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 

Izvade:

 2.5 13.0 

Iepriekš minētajā kodā

• Mēs esam importējuši numpy ar aizstājvārdu np.
• Mēs esam izveidojuši divus masīvus 'a' un 'x', izmantojot funkciju np.array().
• Mēs esam deklarējuši mainīgo 'b' un 'y' un piešķīruši funkcijas np.zeros() atgriešanās vērtību.
• Funkcijā esam nodevuši masīvus “a” un “x”.
• Visbeidzot, mēs mēģinājām izdrukāt “b” un “y” vērtību.

2. piemērs:

 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 

Izvade:

 array([2.5, 4.5]) array([3., 4.]) 

3. piemērs:

Ar vienu precizitāti vidējais var būt neprecīzs:

 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 

Izvade:

 27.5 

Iepriekš minētajā kodā

• Mēs esam importējuši numpy ar aizstājvārdu np.
• Mēs esam izveidojuši masīvu 'a', izmantojot funkciju np.zeros() ar dtype float32.
• Mēs esam iestatījuši visu 1. rindas elementu vērtību uz 23.0 un 2. rindas elementu vērtību 32.0.
• Mēs funkcijā esam nokārtojuši masīvu “a” un piešķīruši funkcijas np.mean() atgriešanās vērtību.
• Visbeidzot, mēs mēģinājām izdrukāt “c” vērtību.

Izvadē tas parāda masīva “a” vidējo vērtību.

4. piemērs:

Vidējā aprēķināšana float64 ir precīzāka:

 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 

Izvade:

 1.0999985 1.1000000014901161