Збир елемената, заједно са осом подељеним бројем елемената, познат је као аритметичко значење . Функција нумпи.меан() се користи за израчунавање аритметичке средине дуж наведене осе.
Ова функција враћа просек елемената низа. Подразумевано, просек се узима на спљоштеном низу. Иначе на наведеној оси, флоат 64 је средњи, као и повратне вредности се користе за целобројне уносе
Синтакса
numpy.mean(a, axis=None, dtype=None, out=None, keepdims=)
Параметерс
Ово су следећи параметри у функцији нумпи.меан():
скенер скенирање јава
а: арраи_лике
Овај параметар дефинише изворни низ који садржи елементе чија је средња вредност жељена. У том случају када 'а' није низ, покушава се извршити конверзија.
оса: ништа, инт или низ интс (опционо)
Овај параметар дефинише осу дуж које се израчунавају средње вредности. Подразумевано, средња вредност се израчунава из спљоштеног низа. У верзији 1.7.0, ако је ово скуп интова, средња вредност се изводи преко више оса, уместо једне осе или свих оса као раније.
дтипе: тип података (опционо)
Овај параметар се користи за дефинисање типа података који се користи за израчунавање средње вредности. За инпуте са целим бројем, подразумевана вредност је флоат64, а за улазе са помичним зарезом, иста је као инпут дтипе.
оут: ндарраи (опционо)
Овај параметар дефинише алтернативни излазни низ у који ће бити смештен резултат. Облик резултујућег низа треба да буде исти као и облик очекиваног излаза. Тип излазних вредности ће се пребацити када је потребно.
кеепдимс: боол (опционо)
Када је вредност тачна, смањена оса се оставља као димензије са величином један у излазу/резултату. Такође, резултат се правилно емитује у односу на улазни низ. Када је подразумевана вредност постављена, кеепдимс не пролази кроз метод средње вредности подкласа ндарраи-а, али ће свака вредност која није подразумевана сигурно проћи. У случају да метод подкласе не имплементира кеепдимс, онда ће се изузетак сигурно појавити.
Повратак
Ако параметар 'оут' поставимо на Ниједан , ова функција враћа нови низ који садржи средње вредности. У супротном, вратиће референцу на излазни низ.
Пример 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
Излаз:
2.5 13.0
У горњем коду
- Увезли смо нумпи са псеудонимом нп.
- Направили смо два низа 'а' и 'к' користећи функцију нп.арраи().
- Декларисали смо променљиве 'б' и 'и' и доделили повратну вредност функцији нп.зерос().
- Проследили смо низове 'а' и 'к' у функцију.
- На крају, покушали смо да одштампамо вредност 'б' и 'и'.
Пример 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
Излаз:
array([2.5, 4.5]) array([3., 4.])
Пример 3:
Са једном прецизношћу, средња вредност може бити нетачна:
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
Излаз:
27.5
У горњем коду
- Увезли смо нумпи са псеудонимом нп.
- Направили смо низ 'а' користећи функцију нп.зерос() са дтипе флоат32.
- Поставили смо вредност свих елемената 1. реда на 23,0 и 2. реда 32,0.
- Проследили смо низ 'а' у функцију и доделили повратну вредност функцији нп.меан().
- На крају, покушали смо да одштампамо вредност 'ц'.
У излазу приказује средњу вредност низа 'а'.
Пример 4:
Израчунавање средње вредности у флоат64 је прецизније:
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
Излаз:
1.0999985 1.1000000014901161