Zbroj elemenata, zajedno s osi podijeljen s brojem elemenata, poznat je kao aritmetička sredina . Funkcija numpy.mean() koristi se za izračunavanje aritmetičke sredine duž navedene osi.

Ova funkcija vraća prosjek elemenata niza. Prema zadanim postavkama, prosjek se uzima na spljoštenom nizu. Inače na navedenoj osi, float 64 je srednji, a povratne vrijednosti se koriste za integer ulaze

Sintaksa

 numpy.mean(a, axis=None, dtype=None, out=None, keepdims=) 

Parametri

Ovo su sljedeći parametri u funkciji numpy.mean():

arraylist metode

a: sličan_nizu

Ovaj parametar definira izvorni niz koji sadrži elemente čija je sredina željena. U slučaju kada 'a' nije niz, pokušava se izvršiti pretvorba.

os: Ništa, int ili tuple of ints (opcionalno)

Ovaj parametar definira os duž koje se izračunavaju srednje vrijednosti. Prema zadanim postavkama, srednja vrijednost se izračunava za spljošteni niz. U verziji 1.7.0, ako je ovo tuple int, srednja vrijednost se izvodi preko više osi, umjesto jedne osi ili svih osi kao prije.

dtype: data-type (opcionalno)

Ovaj parametar se koristi za definiranje tipa podataka koji se koristi u izračunavanju srednje vrijednosti. Za integer ulaze, zadana vrijednost je float64, a za unose s pomičnim zarezom, isti je kao input dtype.

izlaz: ndarray (opcionalno)

Ovaj parametar definira alternativni izlazni niz u koji će biti smješten rezultat. Oblik rezultirajućeg niza trebao bi biti isti kao oblik očekivanog izlaza. Tip izlaznih vrijednosti će se pretvoriti kada je to potrebno.

keepdims: bool (neobavezno)

Kada je vrijednost istinita, smanjena os ostaje kao dimenzije s veličinom jedan u izlazu/rezultatu. Također, rezultat se ispravno emitira prema ulaznom polju. Kada je postavljena zadana vrijednost, keepdims ne prolazi kroz metodu mean pod-klasa ndarray, ali svaka vrijednost koja nije zadana sigurno će proći. U slučaju da metoda potklase ne implementira keepdims, tada će se sigurno pojaviti iznimka.

Povratak

Ako parametar 'out' postavimo na Nijedan , ova funkcija vraća novi niz koji sadrži srednje vrijednosti. Inače će vratiti referencu na izlazni niz.

Primjer 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 

Izlaz:

 2.5 13.0 

U gornjem kodu

• Uvezli smo numpy s alias imenom np.
• Stvorili smo dva polja 'a' i 'x' pomoću funkcije np.array().
• Deklarirali smo varijable 'b' i 'y' i dodijelili povratnu vrijednost funkcije np.zeros().
• U funkciju smo proslijedili nizove 'a' i 'x'.
• Na kraju, pokušali smo ispisati vrijednost 'b' i 'y'.

Primjer 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 

Izlaz:

 array([2.5, 4.5]) array([3., 4.]) 

Primjer 3:

U pojedinačnoj preciznosti, srednja vrijednost može biti netočna:

 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 

Izlaz:

 27.5 

U gornjem kodu

• Uvezli smo numpy s alias imenom np.
• Stvorili smo niz 'a' pomoću funkcije np.zeros() s dtype float32.
• Postavili smo vrijednost svih elemenata 1. retka na 23.0 i 2. retka na 32.0.
• Proslijedili smo polje 'a' u funkciji i dodijelili povratnu vrijednost funkcije np.mean().
• Na kraju, pokušali smo ispisati vrijednost 'c'.

U izlazu prikazuje srednju vrijednost niza 'a'.

Primjer 4:

Izračunavanje srednje vrijednosti u float64 je preciznije:

 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 

Izlaz:

 1.0999985 1.1000000014901161