numpy.ma.average#
- ma.average(a, axis=None, weights=None, returned=False, *, keepdims=<no value>)[source]#
返回数组在给定轴上的加权平均值。
- 参数::
- aarray_like
要平均的数据。计算中不考虑掩码条目。
- axisNone 或 int 或 int 元组,可选
要平均 a 的轴或轴。默认值 axis=None 将对输入数组的所有元素进行平均。如果轴是 int 元组,则将对元组中指定的所有轴进行平均,而不是像以前一样对单个轴或所有轴进行平均。
- weightsarray_like,可选
与 a 中的值相关联的权重数组。 a 中的每个值都根据其关联的权重对平均值有贡献。权重数组必须与 a 的形状相同,如果未指定轴,否则权重必须具有与 a 沿着指定轴一致的维度和形状。如果 weights=None,则假定 a 中的所有数据权重都等于 1。计算为
avg = sum(a * weights) / sum(weights)
其中,求和是针对所有包含的元素进行的。 weights 值的唯一约束是 sum(weights) 必须不为 0。
- returnedbool,可选
标志指示是否应返回一个元组
(result, sum of weights)
作为输出 (True),或者只返回结果 (False)。默认值为 False。- keepdimsbool,可选
如果将其设置为 True,则减少的轴将保留在结果中,作为大小为 1 的维度。使用此选项,结果将与原始 a 正确广播。注意: keepdims 将不适用于
numpy.matrix
或其方法不支持 keepdims 的其他类的实例。新版 1.23.0 中添加。
- 返回::
- 引发::
- ZeroDivisionError
当轴上的所有权重都为零时。请参阅
numpy.ma.average
以了解针对此类错误的稳健版本。- TypeError
当 weights 与 a 的形状不同,并且 axis=None 时。
- ValueError
当 weights 的维度和形状与 a 沿着指定的 axis 不一致时。
示例
>>> import numpy as np >>> a = np.ma.array([1., 2., 3., 4.], mask=[False, False, True, True]) >>> np.ma.average(a, weights=[3, 1, 0, 0]) 1.25
>>> x = np.ma.arange(6.).reshape(3, 2) >>> x masked_array( data=[[0., 1.], [2., 3.], [4., 5.]], mask=False, fill_value=1e+20) >>> data = np.arange(8).reshape((2, 2, 2)) >>> data array([[[0, 1], [2, 3]], [[4, 5], [6, 7]]]) >>> np.ma.average(data, axis=(0, 1), weights=[[1./4, 3./4], [1., 1./2]]) masked_array(data=[3.4, 4.4], mask=[False, False], fill_value=1e+20) >>> np.ma.average(data, axis=0, weights=[[1./4, 3./4], [1., 1./2]]) Traceback (most recent call last): ... ValueError: Shape of weights must be consistent with shape of a along specified axis.
>>> avg, sumweights = np.ma.average(x, axis=0, weights=[1, 2, 3], ... returned=True) >>> avg masked_array(data=[2.6666666666666665, 3.6666666666666665], mask=[False, False], fill_value=1e+20)
使用
keepdims=True
,以下结果的形状为 (3, 1)。>>> np.ma.average(x, axis=1, keepdims=True) masked_array( data=[[0.5], [2.5], [4.5]], mask=False, fill_value=1e+20)