NumPy mean()

import numpy as np

# create an array
array1 = np.array([0, 1, 2, 3, 4, 5, 6, 7])

# calculate the mean of the array
avg = np.mean(array1)

print(avg)

# Output: 3.5

mean() 语法

mean() 的语法是

numpy.mean(array, axis=None, dtype=None, out=None, keepdims=<no value>, where=<no value>)

mean() 参数

mean() 方法接受以下参数

• array - 包含需要计算平均值的数字的数组（可以是 array_like）
• axis (可选) - 计算平均值的轴（可以是 int 或 tuple of int）
• dtype (可选) - 用于计算平均值的数据类型（datatype）
• out (可选) - 输出存储位置（ndarray）
• keepdims (可选) - 指定是否保留原始数组的形状（bool）
• where (可选) - 要包含在平均值计算中的元素（array of bool）

mean() 返回值

mean() 方法返回数组的算术平均值。

示例 1：查找 ndArray 的平均值

import numpy as np

# create a 3D array
array1 = np.array([[[1, 2], [3, 4]],                     
                    [[5, 6], [7, 8]]])

# find the mean of entire array
mean1 = np.mean(array1)

# find the mean across axis 0
mean2 = np.mean(array1, 0)

# find the mean across axis 0 and 1
mean3 = np.mean(array1, (0, 1))

print('\nMean of the entire array:', mean1)
print('\nMean across axis 0:\n', mean2)
print('\nMean across axis 0 and 1', mean3)

输出

Mean of the entire array: 4.5

Mean across axis 0:
[[3. 4.]
 [5. 6.]]

Mean across axis 0 and 1 [4. 5.]

当未指定 axis 参数时，np.mean(array1) 通过对所有元素进行平均来计算整个数组的平均值。

当沿 axis=0 计算平均值时，它会给出每列（切片式）的行平均值。

当沿 axis=(0, 1) 计算平均值时，它同时计算行和列的平均值。结果数组是一个一维数组，包含整个二维数组中所有元素的平均值。

示例 2：指定 ndArray 平均值的数据类型

我们可以使用 dtype 参数指定输出数组的数据类型。

import numpy as np

arr = np.array([[1, 2, 3],
                [4, 5, 6]])

# by default int is converted to float
result1 = np.mean(arr)

# get integer mean
result2 = np.mean(arr, dtype = int)

print('Float mean:', result1)
print('Integer mean:', result2)

输出

Float mean: 3.5
Integer mean: 3

注意： 使用较低精度的 dtype，例如 int，可能导致精度损失。

示例 3：使用可选的 keepdims 参数

如果设置 keepdims 为 True，则保留原始数组的维度并将其传递到结果平均值数组中。

import numpy as np

arr = np.array([[1, 2, 3],
                [4, 5, 6]])

# keepdims defaults to False
result1 = np.mean(arr, axis = 0)

# set keepdims to True
result2 = np.mean(arr, axis = 0, keepdims = True)

print('Original Array Dimension:', arr.ndim)
print('Mean without keepdims:', result1, 'Dimensions', result1.ndim)
print('Mean with keepdims:', result2, 'Dimensions', result2.ndim)

输出

Original Array Dimension: 2
Mean without keepdims: [2.5 3.5 4.5] Dimension 1
Mean with keepdims: [[2.5 3.5 4.5]] Dimensions 2

示例 4：使用 where 查找过滤后数组的平均值

我们可以使用 where 参数过滤数组，并计算过滤后数组的平均值。

import numpy as np

arr = np.array([[1, 2, 3],
                [4, 5, 6]])

# mean of entire array
result1 = np.mean(arr)

# mean of only even elements
result2 = np.mean(arr, where = (arr%2==0))

# mean of  numbers greater than 3
result3 = np.mean(arr, where = (arr > 3))

print('Mean of entire array:', result1)
print('Mean of only even elements:', result2)
print('Mean of numbers greater than 3:', result3)

输出

Mean of entire array: 3.5
Mean of only even elements: 4.0
Mean of  numbers greater than 3: 5.0

示例 5：使用 out 将结果存储在所需位置

out 参数允许指定一个输出数组，结果将存储在该数组中。

import numpy as np

array1 = np.array([[1, 2, 3],
                [4, 5, 6]])

# create an output array
output = np.zeros(3)

# compute mean and store the result in the output array
np.mean(array1, out = output, axis = 0)

print('Mean:', output)

输出

Mean: [2.5 3.5 4.5]