numpy.mean_NumPy中文网

numpy.mean（a，axis = None，dtype = None，out = None，keepdims = <无值> ）[源代码] ¶

计算指定轴上的算术平均值。

返回数组元素的平均值。默认情况下，平均值取自展平的数组，否则取自指定的轴。 float64中间值和返回值用于整数输入。

参量

一个array_like

包含期望平均值的数字的数组。如果a不是数组，则尝试进行转换。

轴无或整数或整数元组，可选

计算平均值所依据的一个或多个轴。默认值是计算平坦数组的平均值。

1.7.0版中的新功能。

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

dtype 数据类型，可选

用于计算平均值的类型。对于整数输入，默认值为float64; 对于浮点输入，它与输入dtype相同。

out ndarray，可选

放置结果的备用输出数组。默认值为None; 如果提供的话，它的形状必须与预期的输出形状相同，但是如果需要的话，将强制转换类型。有关更多详细信息，请参见ufuncs-output-type。

keepdims bool，可选

如果将其设置为True，则缩小的轴将保留为尺寸1的尺寸。使用此选项，结果将针对输入数组正确广播。

如果传递了默认值，则keepdims不会传递给的mean子类的方法 ndarray，但是任何非默认值都将传递。如果子类的方法未实现keepdims，则将引发任何异常。

退货

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。

请注意，对于浮点输入，将使用与输入相同的精度来计算平均值。根据输入数据，这可能导致结果不准确，尤其是对于float32（参见下面的示例）。使用dtype关键字指定更高精度的累加器可以缓解此问题。

默认情况下，float16使用float32中间值计算结果可获得更高的精度。

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])

单精度，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中的平均值更为准确：

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