Hướng dẫn np.mean trong python

Tổng các phần tử, cùng với một trục chia cho số phần tử, được gọi là trung bình cộng. Hàm numpy.mean () được sử dụng để tính trung bình cộng dọc theo trục được chỉ định.

Các bài viết liên quan:

Hàm này trả về giá trị trung bình của các phần tử trong mảng. Theo mặc định, giá trị trung bình trên mảng 1 chiều. Khác trên trục được chỉ định, float 64 là trung gian cũng như các giá trị trả về được sử dụng cho các đầu vào số nguyên

Cú pháp

numpy.mean(a, axis=None, dtype=None, out=None, keepdims=)  

Tham số

Đây là các tham số sau trong hàm numpy.mean ():

1. a: array_like

Tham số này xác định mảng nguồn chứa các phần tử có giá trị trung bình mong muốn. Trong trường hợp ‘a’ không phải là một mảng, một chuyển đổi sẽ được thực hiện.

1. axis: Không có, int hoặc nhiều int (tùy chọn)

Tham số này xác định trục mà phương tiện được tính toán dọc theo. Theo mặc định, giá trị trung bình được tính bằng mảng phẳng. Trong phiên bản 1.7.0, nếu đây là một bộ int, giá trị trung bình được thực hiện trên nhiều trục, thay vì một trục hoặc tất cả các trục như trước đây.

1. dtype: kiểu dữ liệu (tùy chọn)

Tham số này được sử dụng để xác định kiểu dữ liệu được sử dụng trong tính toán giá trị trung bình. Đối với đầu vào số nguyên, mặc định là float64 và đối với đầu vào dấu phẩy động, nó giống với kiểu đầu vào.

1. out: ndarray (tùy chọn)

Tham số này xác định một mảng đầu ra thay thế trong đó kết quả sẽ được đặt. Hình dạng của mảng kết quả phải giống hình dạng của đầu ra mong đợi. Loại giá trị đầu ra sẽ ép kiểu khi cần thiết.

1. keepdims: bool (tùy chọn)

Khi giá trị là true, trục giảm được để lại dưới dạng các kích thước với kích thước là một trong đầu ra / kết quả. Ngoài ra, kết quả phát chính xác với mảng đầu vào. Khi giá trị mặc định được đặt, các keepdim sẽ không chuyển qua phương thức trung bình của các lớp con của ndarray, nhưng mọi giá trị không phải mặc định chắc chắn sẽ được chuyển. Trong trường hợp phương thức lớp con không triển khai keepdims, thì một ngoại lệ chắc chắn sẽ xuất hiện.

Return

Nếu chúng ta đặt tham số ‘out’ thành Không, hàm này trả về một mảng mới chứa các giá trị trung bình. Nếu không, nó sẽ trả về tham chiếu đến mảng đầu ra.

Ví dụ 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  

Output:

Trong đoạn code trên

• Chúng tôi đã tạo hai mảng ‘a’ và ‘x’ bằng cách sử dụng hàm np.array ().
• Chúng ta đã khai báo biến ‘b’ và ‘y’ và gán giá trị trả về của hàm np.zeros ().
• Chúng tôi đã chuyển các mảng ‘a’ và ‘x’ trong hàm.
• Cuối cùng, chúng tôi đã cố gắng in giá trị của ‘b’ và ‘y’.

Ví dụ 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  

Output:

Ví dụ 3:

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  

Output:

Trong đoạn mã trên

• Chúng tôi đã tạo một mảng ‘a’ bằng cách sử dụng hàm np.zeros () với dtype float32.
• Chúng tôi đã đặt giá trị của tất cả các phần tử của hàng đầu tiên là 23.0 và hàng thứ 2 là 32.0.
• Chúng ta đã chuyển mảng ‘a’ trong hàm và gán giá trị trả về của hàm np.mean ().
• Cuối cùng, chúng tôi đã cố gắng in giá trị của ‘c’.
• Trong đầu ra, nó hiển thị giá trị trung bình của mảng ‘a’.

Ví dụ 4:

Tính toán giá trị trung bình trong float64 chính xác hơn:

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  

Output: