Elementų suma kartu su ašimi, padalyta iš elementų skaičiaus, yra žinoma kaip aritmetinis vidurkis . Funkcija numpy.mean() naudojama aritmetiniam vidurkiui pagal nurodytą ašį apskaičiuoti.

Ši funkcija grąžina masyvo elementų vidurkį. Pagal numatytuosius nustatymus vidurkis imamas iš išlyginto masyvo. Kitu atveju nurodytoje ašyje plūdė 64 yra tarpinė, o grįžtamosios reikšmės naudojamos sveikiesiems skaičiams įvesti

Sintaksė

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

Parametrai

Tai yra šie funkcijos numpy.mean() parametrai:

žemėlapis mašinraščiu

a: array_like

Šis parametras apibrėžia šaltinio masyvą, kuriame yra norimų elementų. Tokiu atveju, kai „a“ nėra masyvas, bandoma konvertuoti.

ašis: nėra, int arba int eilė (neprivaloma)

Šis parametras apibrėžia ašį, pagal kurią skaičiuojami vidurkiai. Pagal numatytuosius nustatymus apskaičiuojamas išlyginto masyvo vidurkis. 1.7.0 versijoje, jei tai yra int eilė, vidurkis atliekamas keliomis ašimis, o ne viena ašimi arba visomis ašimis, kaip anksčiau.

dtype: duomenų tipas (neprivaloma)

Šis parametras naudojamas norint apibrėžti duomenų tipą, naudojamą skaičiuojant vidurkį. Sveikųjų skaičių įvestims numatytoji vertė yra float64, o slankiojo kablelio įvestims – tokia pati kaip įvesties dtype.

išvestis: ndarray (neprivaloma)

Šis parametras apibrėžia alternatyvų išvesties masyvą, į kurį bus patalpintas rezultatas. Gauto masyvo forma turi būti tokia pati kaip tikėtinos išvesties forma. Išvesties verčių tipas bus perduodamas prireikus.

Keepdims: bool (neprivaloma)

Kai reikšmė teisinga, sumažinta ašis išvestyje / rezultate paliekama kaip matmenys, kurių dydis yra vienas. Be to, rezultatas tinkamai transliuojamas pagal įvesties masyvą. Nustačius numatytąją reikšmę, keepdims neperduoda vidutiniu ndarray poklasių metodu, tačiau bet kokia nenumatytoji reikšmė tikrai praeis. Jei poklasio metodas neįgyvendins keepdims, išimtis tikrai padidės.

Grįžti

Jei parametrą „out“ nustatysime į Nė vienas , ši funkcija grąžina naują masyvą su vidutinėmis reikšmėmis. Priešingu atveju jis grąžins nuorodą į išvesties masyvą.

1 pavyzdys:

 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 

Išvestis:

 2.5 13.0 

Aukščiau pateiktame kode

• Mes importavome numpy su slapyvardžiu np.
• Naudodami funkciją np.array() sukūrėme du masyvus „a“ ir „x“.
• Mes paskelbėme kintamuosius 'b' ir 'y' ir priskyrėme funkcijos np.zeros() grąžinamąją reikšmę.
• Funkcijoje perdavėme masyvus „a“ ir „x“.
• Galiausiai bandėme atspausdinti „b“ ir „y“ reikšmes.

2 pavyzdys:

 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 

Išvestis:

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

3 pavyzdys:

Vienu tikslumu vidurkis gali būti netikslus:

 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 

Išvestis:

 27.5 

Aukščiau pateiktame kode

• Mes importavome numpy su slapyvardžiu np.
• Sukūrėme masyvą 'a' naudodami funkciją np.zeros() su dtype float32.
• Visų 1-os eilutės elementų vertę nustatėme į 23,0 ir 2-os eilės 32,0.
• Mes perdavėme masyvą „a“ funkcijoje ir priskyrėme funkcijos np.mean() grąžinamąją reikšmę.
• Galiausiai bandėme atspausdinti „c“ reikšmę.

Išvestyje jis rodo masyvo „a“ vidurkį.

4 pavyzdys:

Vidurkio skaičiavimas float64 yra tikslesnis:

 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 

Išvestis:

 1.0999985 1.1000000014901161