上一主题

numpy.average

下一主题

numpy.std

numpy.mean

numpy.mean(a, axis=None, dtype=None, out=None, keepdims=<class numpy._globals._NoValue>)[source]

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,平均数取平展数组,否则在指定轴上。float64中间和返回值用于整数输入。

参数:

a:array_like

数组包含需要平均值的数字。如果a不是数组,则尝试进行转换。

axis:无或int或tuple ints,可选

计算平均值的轴或轴。默认值是计算平展数组的平均值。

如果这是一个ints的元组,平均值在多个轴上执行,而不是像以前一样执行单个轴或所有轴。

dtype:数据类型,可选

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

out:ndarray,可选

备用输出放置结果的数组。默认值为None;如果提供,它必须具有与预期输出相同的形状,但如果必要,将投射类型。有关详细信息,请参阅doc.ufuncs

keepdims:bool,可选

如果设置为True,则缩小的轴在结果中保留为尺寸为1的尺寸。使用此选项,结果将相对于原始arr正确广播。

如果传递默认值,则keepdims将不会传递到ndarray的子类的mean如果子类sum方法不实现keepdims,则会引发任何异常。

返回:

m:ndarray,请参阅上面的dtype参数

如果out = None,则返回包含平均值的新数组,否则将返回对输出数组的引用。

也可以看看

average
加权平均

stdvarnanmeannanstdnanvar

笔记

算术平均值是沿着轴的元素的总和除以元素的数量。

请注意,对于浮点输入,使用输入具有的相同精度计算平均值。根据输入数据,这可能导致结果不准确,特别是对于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。

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)
0.546875

在float64中计算均值更准确:

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