La suma de elementos, junto con un eje dividido por el número de elementos, se conoce como significado aritmetico . La función numpy.mean() se utiliza para calcular la media aritmética a lo largo del eje especificado.
Esta función devuelve el promedio de los elementos de la matriz. De forma predeterminada, el promedio se toma en la matriz aplanada. De lo contrario, en el eje especificado, el flotador 64 es intermedio y los valores de retorno se utilizan para entradas enteras.
Sintaxis
numpy.mean(a, axis=None, dtype=None, out=None, keepdims=)
Parámetros
Estos son los siguientes parámetros en la función numpy.mean():
algoritmo rr
a: tipo matriz
Este parámetro define la matriz fuente que contiene elementos cuya media se desea. En el caso de que 'a' no sea una matriz, se intenta realizar una conversión.
eje: Ninguno, int o tupla de ints (opcional)
Este parámetro define el eje a lo largo del cual se calculan las medias. De forma predeterminada, se calcula la media de la matriz aplanada. En la versión 1.7.0, si se trata de una tupla de enteros, la media se realiza en varios ejes, en lugar de un solo eje o todos los ejes como antes.
tipo d: tipo de datos (opcional)
Este parámetro se utiliza para definir el tipo de datos utilizado para calcular la media. Para entradas de números enteros, el valor predeterminado es float64 y para entradas de punto flotante, es el mismo que el tipo de entrada.
salida: ndarray (opcional)
Este parámetro define una matriz de salida alternativa en la que se colocará el resultado. La forma de la matriz resultante debe ser la misma que la forma del resultado esperado. El tipo de valores de salida se emitirá cuando sea necesario.
keepdims: bool (opcional)
Cuando el valor es verdadero, el eje reducido se deja como dimensiones con tamaño uno en la salida/resultado. Además, el resultado se transmite correctamente en la matriz de entrada. Cuando se establece el valor predeterminado, keepdims no pasa a través del método medio de las subclases de ndarray, pero seguramente pasará cualquier valor no predeterminado. En caso de que el método de la subclase no implemente keepdims, seguramente surgirá una excepción.
Devolver
Si configuramos el parámetro 'out' en Ninguno , esta función devuelve una nueva matriz que contiene los valores medios. De lo contrario, devolverá la referencia a la matriz de salida.
Ejemplo 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
Producción:
2.5 13.0
En el código anterior
- Hemos importado numpy con nombre de alias np.
- Hemos creado dos matrices 'a' y 'x' usando la función np.array().
- Hemos declarado las variables 'b' e 'y' y asignamos el valor de retorno de la función np.zeros().
- Hemos pasado las matrices 'a' y 'x' en la función.
- Por último, intentamos imprimir el valor de 'b' e 'y'.
Ejemplo 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
Producción:
array([2.5, 4.5]) array([3., 4.])
Ejemplo 3:
En precisión simple, la media puede ser inexacta:
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
Producción:
27.5
En el código anterior
- Hemos importado numpy con nombre de alias np.
- Hemos creado una matriz 'a' usando la función np.zeros() con dtype float32.
- Hemos establecido el valor de todos los elementos de la primera fila en 23,0 y de la segunda fila en 32,0.
- Pasamos la matriz 'a' en la función y asignamos el valor de retorno de la función np.mean().
- Por último, intentamos imprimir el valor de 'c'.
En el resultado, muestra la media de la matriz 'a'.
Ejemplo 4:
Calcular la media en float64 es más preciso:
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
Producción:
1.0999985 1.1000000014901161