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，平均值是对展平的数组计算的，否则是对指定的轴计算。对于整数输入，使用 float64 作为中间值和返回值。float64 中间和返回值用于整数输入。

参数:
a类数组对象

包含需要计算平均值的数字的数组。如果 a 不是数组，则会尝试进行转换。

axisNone 或 int 或 int 元组，可选

计算平均值所沿的轴。默认是计算展平数组的平均值。

如果这是一个整数元组，则在多个轴上执行平均值计算，而不是像以前那样在单个轴或所有轴上计算。

dtype数据类型，可选

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

outndarray，可选

可选的输出数组，用于放置结果。默认为 None；如果提供了，它必须具有与预期输出相同的形状，但必要时会进行类型转换。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，则被缩减的轴将保留在结果中，其大小为 1。使用此选项，结果将能够与输入数组正确广播。

如果传递了默认值，则 keepdims 将不会传递给 ndarray 子类的 mean 方法，但任何非默认值都会传递。如果子类的方法未实现 keepdims，则会引发任何异常。

wherearray_like of bool，可选

包含在平均值计算中的元素。有关详细信息，请参阅 reduce。

版本 1.20.0 中新增。

返回:
mndarray，请参阅上面的 dtype 参数

如果 out=None，则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。

另请参阅

平均值

加权平均值

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，平均值是使用输入数据的精度计算的。根据输入数据，这可能导致结果不准确，尤其对于 float32（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。

默认情况下，float16 结果使用 float32 中间值进行计算，以提高精度。

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

可以计算 timedelta64 的平均值

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

指定 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
在此页面