numpy.mean #

麻木的。mean ( a , axis=None , dtype=None , out=None , keepdims=<无值> , * , where=<无值> ) [来源] #

计算沿指定轴的算术平均值。

返回数组元素的平均值。默认情况下，在展平数组上取平均值，否则在指定轴上取平均值。 float64中间值和返回值用于整数输入。

参数：

类似数组

包含所需平均值的数字的数组。如果a不是数组，则尝试转换。

axis无或整数或整数元组，可选

计算平均值所沿的一个或多个轴。默认值是计算展平数组的平均值。

1.7.0 版本中的新增内容。

如果这是一个整数元组，则在多个轴上执行平均值，而不是像以前那样在单个轴或所有轴上执行平均值。

dtype数据类型，可选

计算平均值时使用的类型。对于整数输入，默认值为float64;对于浮点输入，它与输入数据类型相同。

输出ndarray，可选

用于放置结果的备用输出数组。默认为None；如果提供，它必须具有与预期输出相同的形状，但如果需要，类型将被转换。有关更多详细信息，请参阅输出类型确定。

keepdims布尔值，可选

如果将此设置为 True，则缩小的轴将作为大小为 1 的维度保留在结果中。使用此选项，结果将针对输入数组正确广播。

如果传递默认值，则keepdims将不会传递到mean的子类的方法 ndarray，但任何非默认值都会传递。如果子类的方法没有实现keepdims，则会引发任何异常。

其中array_like of bool，可选

平均值中包含的元素。reduce详情请参阅。

1.20.0 版本中的新增功能。

返回：

也可以看看

笔记

算术平均值是沿轴的元素之和除以元素数量。

请注意，对于浮点输入，平均值是使用与输入相同的精度计算的。根据输入数据，这可能会导致结果不准确，尤其是float32（参见下面的示例）。使用关键字指定更高精度的累加器 dtype可以缓解这个问题。

默认情况下，float16结果是使用float32中间值计算的，以提高精度。

例子

>>> a = np.array([[1, 2], [3, 4]])
>>> np.mean(a)
2.5
>>> np.mean(a, axis=0)
array([2., 3.])
>>> np.mean(a, axis=1)
array([1.5, 3.5])

在单精度下，mean可能不准确：

>>> a = np.zeros((2, 512*512), dtype=np.float32)
>>> a[0, :] = 1.0
>>> a[1, :] = 0.1
>>> np.mean(a)
0.54999924

计算 float64 的平均值更准确：

>>> np.mean(a, dtype=np.float64)
0.55000000074505806 # may vary

指定 where 参数：

>>> a = np.array([[5, 9, 13], [14, 10, 12], [11, 15, 19]])
>>> np.mean(a)
12.0
>>> np.mean(a, where=[[True], [False], [False]])
9.0