De som van de elementen, samen met een as gedeeld door het aantal elementen, staat bekend als rekenkundig gemiddelde . De functie numpy.mean() wordt gebruikt om het rekenkundig gemiddelde langs de opgegeven as te berekenen.
Deze functie retourneert het gemiddelde van de array-elementen. Standaard wordt het gemiddelde genomen op de afgevlakte array. Elders op de gespecificeerde as is float 64 een tussenliggend element en worden retourwaarden gebruikt voor invoer van gehele getallen
Syntaxis
numpy.mean(a, axis=None, dtype=None, out=None, keepdims=)
Parameters
Dit zijn de volgende parameters in de functie numpy.mean():
in een string werpen
a: array_like
Deze parameter definieert de bronarray die elementen bevat waarvan het gemiddelde gewenst is. In een dergelijk geval waarin 'a' geen array is, wordt geprobeerd een conversie uit te voeren.
as: Geen, int of tuple van ints (optioneel)
Deze parameter definieert de as waarlangs de gemiddelden worden berekend. Standaard wordt het gemiddelde van de afgevlakte array berekend. Als dit in versie 1.7.0 een tupel van ints is, wordt het gemiddelde uitgevoerd over meerdere assen, in plaats van over een enkele as of over alle assen zoals voorheen.
dtype: gegevenstype (optioneel)
Deze parameter wordt gebruikt om het gegevenstype te definiëren dat wordt gebruikt bij het berekenen van het gemiddelde. Voor invoer met gehele getallen is de standaard float64, en voor invoer met drijvende komma is dit hetzelfde als invoer dtype.
uit: ndarray (optioneel)
Deze parameter definieert een alternatieve uitvoerarray waarin het resultaat wordt geplaatst. De vorm van de resulterende array moet dezelfde zijn als de vorm van de verwachte uitvoer. Het type uitvoerwaarden wordt indien nodig gecast.
keepdims: bool (optioneel)
Als de waarde waar is, blijft de gereduceerde as in de uitvoer/resultaat als dimensies met grootte één staan. Bovendien wordt het resultaat correct uitgezonden tegen de invoerarray. Wanneer de standaardwaarde is ingesteld, passeren de keepdims niet via de gemiddelde methode van subklassen van ndarray, maar elke niet-standaardwaarde zal zeker passeren. Als de subklassemethode keepdims niet implementeert, zal er zeker een uitzondering ontstaan.
Opbrengst
Als we de parameter 'out' instellen op Geen , retourneert deze functie een nieuwe array met de gemiddelde waarden. Anders retourneert het de verwijzing naar de uitvoerarray.
Voorbeeld 1:
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
Uitgang:
2.5 13.0
In de bovenstaande code
- We hebben numpy geïmporteerd met aliasnaam np.
- We hebben twee arrays 'a' en 'x' gemaakt met behulp van de functie np.array().
- We hebben de variabelen 'b' en 'y' gedeclareerd en de retourwaarde van de functie np.zeros() toegewezen.
- We hebben de arrays 'a' en 'x' in de functie doorgegeven.
- Ten slotte hebben we geprobeerd de waarde van 'b' en 'y' af te drukken.
Voorbeeld 2:
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
Uitgang:
array([2.5, 4.5]) array([3., 4.])
Voorbeeld 3:
Bij enkele precisie kan het gemiddelde onnauwkeurig zijn:
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
Uitgang:
27.5
In de bovenstaande code
- We hebben numpy geïmporteerd met aliasnaam np.
- We hebben een array 'a' gemaakt met behulp van de functie np.zeros() met dtype float32.
- We hebben de waarde van alle elementen van de eerste rij ingesteld op 23,0 en de tweede rij op 32,0.
- We hebben de array 'a' in de functie doorgegeven en de retourwaarde van de functie np.mean() toegewezen.
- Ten slotte hebben we geprobeerd de waarde van 'c' af te drukken.
In de uitvoer wordt het gemiddelde van array 'a' weergegeven.
Voorbeeld 4:
Het berekenen van het gemiddelde in float64 is nauwkeuriger:
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
Uitgang:
1.0999985 1.1000000014901161