numpy.mean#

numpy.mean(a, axis=None, dtype=None, out=None, keepdims=<no value>, *, where=<no value>)[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，平均值取自扁平化的数组，否则取自指定的轴。float64 用于整数输入的中间值和返回值。

参数：
aarray_like

包含需要计算平均值的数字的数组。如果a不是数组，则尝试进行转换。

axisNone 或 int 或 int 元组，可选

计算平均值的轴或轴。默认值是计算扁平化数组的平均值。

如果这是一个 int 元组，则会对多个轴执行平均值计算，而不是像以前那样对单个轴或所有轴执行。

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。

outndarray，可选

放置结果的备用输出数组。默认为None；如果提供，它必须与预期输出具有相同的形状，但类型将根据需要进行转换。更多详情请参见输出类型确定。更多详情请参见输出类型确定。

keepdimsbool，可选

如果将其设置为 True，则减少的轴将作为大小为一的维度保留在结果中。使用此选项，结果将针对输入数组正确广播。

如果传递默认值，则keepdims不会传递到mean 的ndarray子类的method，但是任何非默认值都会传递。如果子类的method没有实现keepdims，则会引发任何异常。

wherebool 的 array_like，可选

要包含在平均值中的元素。详情请参见reduce。

版本 1.20.0 中的新功能。

返回：
mndarray，参见上面的 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。

另请参见

average

加权平均值

std，var，nanmean，nanstd，nanvar

注释

算术平均值是沿轴的元素之和除以元素个数。

请注意，对于浮点输入，平均值使用输入的相同精度进行计算。根据输入数据，这可能会导致结果不准确，特别是对于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减轻这个问题。

默认情况下，float16结果使用float32中间值进行计算，以获得更高的精度。

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

timedelta64 中的平均值计算可用

>>> 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
本页内容