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,平均值是在扁平化数组上计算的,否则是在指定的轴上计算的。对于整数输入,使用 float64 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。默认情况下,计算扁平化数组的平均值。

版本 1.7.0 中的新增内容。

如果这是一个 int 元组,则会对多个轴执行平均值,而不是像以前一样对单个轴或所有轴执行平均值。

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

用于放置结果的备用输出数组。默认值为 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强制转换。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,则将被约简的轴保留在结果中,作为大小为一的维度。使用此选项,结果将与输入数组正确广播。

如果传递默认值,则不会将 keepdims 传递给 meanndarray 子类的子方法,但是任何非默认值都会被传递。如果子类的子方法未实现 keepdims,则会引发任何异常。

wherebool 数组,可选

要包含在平均值中的元素。有关详细信息,请参阅 reduce

版本 1.20.0 中的新增内容。

返回值::
mndarray,请参阅上面的 dtype 参数

如果 out=None,则返回包含平均值的新的数组,否则返回对输出数组的引用。

另请参阅

average

加权平均值

stdvarnanmeannanstdnanvar

注释

算术平均值是沿轴的元素之和除以元素数量。

请注意,对于浮点输入,使用输入的相同精度来计算平均值。根据输入数据,这可能会导致结果不准确,特别是对于 float32(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,使用 float32 中间值来计算 float16 结果以获得额外的精度。

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])

在单精度中,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)
0.54999924

在 float64 中计算平均值更准确

>>> np.mean(a, dtype=np.float64)
0.55000000074505806 # may vary

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