A soma dos elementos, juntamente com um eixo dividido pelo número de elementos, é conhecida como média aritmética . A função numpy.mean() é usada para calcular a média aritmética ao longo do eixo especificado.
Esta função retorna a média dos elementos do array. Por padrão, a média é obtida na matriz nivelada. Caso contrário, no eixo especificado, o float 64 é intermediário e os valores de retorno são usados para entradas inteiras
Sintaxe
numpy.mean(a, axis=None, dtype=None, out=None, keepdims=)
Parâmetros
Estes são os seguintes parâmetros na função numpy.mean():
np.onde
a: array_like
Este parâmetro define o array de origem contendo elementos cuja média é desejada. Nesse caso, onde 'a' não é uma matriz, é tentada uma conversão.
eixo: Nenhum, int ou tupla de ints (opcional)
Este parâmetro define o eixo ao longo do qual as médias são calculadas. Por padrão, a média é calculada da matriz nivelada. Na versão 1.7.0, se for uma tupla de inteiros, a média é realizada em vários eixos, em vez de um único eixo ou de todos os eixos como antes.
dtype: tipo de dados (opcional)
Este parâmetro é usado para definir o tipo de dados usado no cálculo da média. Para entradas inteiras, o padrão é float64 e, para entradas de ponto flutuante, é igual ao dtype de entrada.
fora: ndarray (opcional)
Este parâmetro define uma matriz de saída alternativa na qual o resultado será colocado. O formato da matriz resultante deve ser igual ao formato da saída esperada. O tipo de valores de saída será convertido quando necessário.
keepdims: bool (opcional)
Quando o valor é verdadeiro, o eixo reduzido é deixado como dimensões com tamanho um na saída/resultado. Além disso, o resultado é transmitido corretamente na matriz de entrada. Quando o valor padrão é definido, o keepdims não passa pelo método médio das subclasses do ndarray, mas qualquer valor não padrão certamente passará. Caso o método da subclasse não implemente keepdims, certamente surgirá uma exceção.
Retornar
Se definirmos o parâmetro 'out' como Nenhum , esta função retorna um novo array contendo os valores médios. Caso contrário, retornará a referência ao array de saída.
Exemplo 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
Saída:
2.5 13.0
No código acima
- Importamos numpy com o nome alternativo np.
- Criamos dois arrays 'a' e 'x' usando a função np.array().
- Declaramos as variáveis 'b' e 'y' e atribuímos o valor de retorno da função np.zeros().
- Passamos os arrays 'a' e 'x' na função.
- Por último, tentamos imprimir o valor de 'b' e 'y'.
Exemplo 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
Saída:
array([2.5, 4.5]) array([3., 4.])
Exemplo 3:
Na precisão única, a média pode ser imprecisa:
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
Saída:
27.5
No código acima
- Importamos numpy com o nome alternativo np.
- Criamos um array 'a' usando a função np.zeros() com dtype float32.
- Definimos o valor de todos os elementos da 1ª linha como 23,0 e da 2ª linha como 32,0.
- Passamos o array 'a' na função e atribuímos o valor de retorno da função np.mean().
- Por último, tentamos imprimir o valor de 'c'.
Na saída, mostra a média do array 'a'.
Exemplo 4:
Calcular a média em float64 é mais preciso:
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
Saída:
1.0999985 1.1000000014901161