Модул нумпи у Питхон-у обезбеђује функцију под називом нумпи.авераге(), која се користи за израчунавање пондерисаног просека дуж наведене осе.
Синтакса:
numpy.average(a, axis=None, weights=None, returned=False)
Параметри:
к: арраи_лике
Овај параметар дефинише изворни низ чији просек елемента желимо да израчунамо. Конверзија ће бити покушана ако је 'к' низ.
оса: инт или ништа или низ интс (опционо)
Овај параметар дефинише осу дуж које ће се израчунати просек. Подразумевано, оса је постављена на Ништа, што ће израчунати просек свих елемената изворног низа. Бројање почиње од краја до почетне осе када је вредност осе негативна.
тежине : арраи_лике (опционо)
Овај параметар дефинише низ који садржи тежине повезане са вредностима низа. Свака вредност елемената низа заједно чини просек према придруженој тежини. Пондерисани низ може бити једнодимензионалан или истог облика као и улазни низ. Када не постоји тежина повезана са елементом низа, тежина ће се третирати као 1 за све елементе.
враћено: боол (опционо)
Подразумевано, овај параметар је постављен на Фалсе. Ако га поставимо као Тачно, онда се враћа скуп просека и суме_тежина. Ако је Фалсе, враћа се просек. Пондерисани збир је еквивалентан броју елемената ако нема вредности за тежине.
враћа:
ретвал, [збир_тежина]: тип_низа или дупло
Ова функција враћа или просек или и просек и сум_оф_веигхтс који зависе од враћеног параметра.
Подиже:
ЗероДивисионЕррор
Ова грешка се јавља када су све тежине дуж осе постављене на нулу.
ТипеЕррор
Ова грешка се јавља када дужина пондерисаног низа није иста као облик улазног низа.
Пример 1:
import numpy as np data = list(range(1,6)) output=np.average(data) data output
Излаз:
[1, 2, 3, 4, 5] 3.0
У горњем коду:
- Увезли смо нумпи са псеудонимом нп.
- Направили смо листу елемената 'подаци' .
- Декларисали смо променљиву 'излаз' и додељена враћена вредност од просек() функција.
- Прошли смо листу 'подаци' у функцији.
- На крају, покушали смо да одштампамо 'подаци' и 'излаз'
У излазу приказује просек елемената листе.
Пример 2:
import numpy as np output=np.average(range(1,16), weights=range(15,0,-1)) output
Излаз:
5.666666666666667
Пример 3:
import numpy as np data=np.arange(12).reshape((4,3)) output = np.average(data, axis=1, weights=[1./4, 3./4, 5./4]) data output
Излаз:
array([[ 0, 1, 2], [ 3, 4, 5], [ 6, 7, 8], [ 9, 10, 11]]) array([ 1.44444444, 4.44444444, 7.44444444, 10.44444444])
У горњем коду:
- Увезли смо нумпи са псеудонимом нп.
- Направили смо низ 'подаци' Користећи аранге() и нп.ресхапе() функција.
- Декларисали смо променљиву 'излаз' и додељена враћена вредност од просек() функција.
- Прошли смо низ 'подаци' , поставити осу на 1 и пондерисани низ у функцији.
- На крају, покушали смо да одштампамо 'подаци' и 'излаз'
У излазу приказује просек сваког елемента колоне у низу.
јава логички у низу
Пример 4:
import numpy as np data=np.arange(12).reshape((4,3)) data np.average(data, weights=[1./4, 3./4, 5./4])
Излаз:
array([[ 0, 1, 2], [ 3, 4, 5], [ 6, 7, 8], [ 9, 10, 11]]) Traceback (most recent call last): File '', line 1, in File 'C:Python27libsite-packages umpylibfunction_base.py', line 406, in average 'Axis must be specified when shapes of data and weights.' TypeError: Axis must be specified when shapes of data and weights differ.