La somma degli elementi, insieme ad un asse diviso per il numero di elementi, è nota come significato aritmetico . La funzione numpy.mean() viene utilizzata per calcolare la media aritmetica lungo l'asse specificato.
Questa funzione restituisce la media degli elementi dell'array. Per impostazione predefinita, la media viene effettuata sull'array appiattito. Altrimenti sull'asse specificato, float 64 è intermedio così come i valori restituiti vengono utilizzati per gli input interi
Sintassi
numpy.mean(a, axis=None, dtype=None, out=None, keepdims=)
Parametri
Questi sono i seguenti parametri nella funzione numpy.mean():
L'attrice Sai Pallavi
a: array_like
Questo parametro definisce l'array di origine contenente gli elementi di cui si desidera la media. Nel caso in cui 'a' non sia un array, viene tentata una conversione.
asse: Nessuno, int o tupla di int (opzionale)
Questo parametro definisce l'asse lungo il quale vengono calcolate le medie. Per impostazione predefinita, viene calcolata la media dell'array appiattito. Nella versione 1.7.0, se si tratta di una tupla di interi, la media viene eseguita su più assi, anziché su un singolo asse o su tutti gli assi come prima.
dtype: tipo di dati (opzionale)
Questo parametro viene utilizzato per definire il tipo di dati utilizzato nel calcolo della media. Per gli input interi, il valore predefinito è float64 e per gli input a virgola mobile è uguale all'input dtype.
out: ndarray(facoltativo)
Questo parametro definisce un array di output alternativo in cui verrà inserito il risultato. La forma dell'array risultante dovrebbe essere uguale alla forma dell'output previsto. Il tipo di valori di output verrà cast quando necessario.
keepdims: bool (opzionale)
Quando il valore è vero, l'asse ridotto viene lasciato come dimensioni con dimensione uno nell'output/risultato. Inoltre, il risultato viene trasmesso correttamente rispetto all'array di input. Quando è impostato il valore predefinito, keepdims non passa tramite il metodo medio delle sottoclassi di ndarray, ma qualsiasi valore non predefinito passerà sicuramente. Nel caso in cui il metodo della sottoclasse non implementi keepdims, si verificherà sicuramente un'eccezione.
Ritorno
Se impostiamo il parametro 'out' su Nessuno , questa funzione restituisce un nuovo array contenente i valori medi. Altrimenti, restituirà il riferimento all'array di output.
Esempio 1:
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
Produzione:
2.5 13.0
Nel codice sopra
- Abbiamo importato Numpy con il nome alias np.
- Abbiamo creato due array 'a' e 'x' utilizzando la funzione np.array().
- Abbiamo dichiarato le variabili 'b' e 'y' e assegnato il valore restituito dalla funzione np.zeros().
- Abbiamo passato gli array 'a' e 'x' nella funzione.
- Infine, abbiamo provato a stampare il valore di 'b' e 'y'.
Esempio 2:
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
Produzione:
array([2.5, 4.5]) array([3., 4.])
Esempio 3:
In precisione singola, la media può essere imprecisa:
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
Produzione:
27.5
Nel codice sopra
- Abbiamo importato Numpy con il nome alias np.
- Abbiamo creato un array 'a' utilizzando la funzione np.zeros() con dtype float32.
- Abbiamo impostato il valore di tutti gli elementi della prima riga su 23.0 e della seconda riga su 32.0.
- Abbiamo passato l'array 'a' nella funzione e assegnato il valore restituito dalla funzione np.mean().
- Infine, abbiamo provato a stampare il valore di 'c'.
Nell'output mostra la media dell'array 'a'.
Esempio 4:
Il calcolo della media in float64 è più accurato:
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
Produzione:
1.0999985 1.1000000014901161