numpy.mean#

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

计算沿指定轴的算术平均值.

返回数组元素的平均值.默认情况下,平均值是基于展平的数组计算的,否则基于指定的轴计算.对于整数输入,使用 float64 作为中间值和返回值.

参数:
aarray_like

包含所需均值的数字的数组.如果 a 不是数组,则尝试进行转换.

axisNone 或 int 或 int 的元组,可选

计算均值的轴或轴.默认是计算展平数组的均值.

在 1.7.0 版本加入.

如果这是一个整数的元组,则会在多个轴上执行平均值,而不是像之前那样在单个轴或所有轴上执行.

dtype数据类型, 可选

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

outndarray,可选

要在其中放置结果的备用输出数组.默认值为 None;如果提供,则其形状必须与预期输出相同,但如有必要,类型将被强制转换.有关更多详细信息,请参阅 输出类型确定.有关更多详细信息,请参阅 输出类型确定.

keepdimsbool, 可选

如果设置为 True,被减少的轴将作为尺寸为1的维度保留在结果中.使用此选项,结果将正确地与输入数组广播.

如果传递的是默认值,那么 keepdims 将不会传递给 ndarray 子类的 mean 方法,然而任何非默认值将会传递.如果子类的方法没有实现 keepdims,任何异常都会被引发.

where类数组的布尔值,可选

要在均值中包含的元素.详见 reduce.

在 1.20.0 版本加入.

返回:
mndarray,见上面的 dtype 参数

如果 out=None,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

std, var, nanmean, nanstd, nanvar

备注

算术平均值是沿轴的元素之和除以元素的数量.

请注意,对于浮点输入,均值是使用与输入相同的精度计算的.根据输入数据的不同,这可能导致结果不准确,特别是对于 float32`（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这个问题.

默认情况下,`float16` 结果使用 float32 中间值进行额外精度计算.

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])

在单精度下,`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)

在 float64 中计算平均值更准确:

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

计算 timedelta64 中的平均值是可用的:

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

指定一个 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
On this page