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
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。
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