요소 수로 나눈 축과 함께 요소의 합은 다음과 같이 알려져 있습니다. 산술 평균 . numpy.mean() 함수는 지정된 축을 따라 산술 평균을 계산하는 데 사용됩니다.
이 함수는 배열 요소의 평균을 반환합니다. 기본적으로 평균은 평면화된 배열에서 계산됩니다. 지정된 축의 경우 float 64는 중간이며 반환 값은 정수 입력에 사용됩니다.
통사론
numpy.mean(a, axis=None, dtype=None, out=None, keepdims=)
매개변수
numpy.mean() 함수의 다음 매개변수는 다음과 같습니다.
C 코드 문자열 배열
a: array_like
이 매개변수는 평균을 원하는 요소가 포함된 소스 배열을 정의합니다. 'a'가 배열이 아닌 경우 변환이 시도됩니다.
축: 없음, int 또는 int의 튜플(선택 사항)
이 매개변수는 평균이 계산되는 축을 정의합니다. 기본적으로 평균은 평면화된 배열에 대해 계산됩니다. 버전 1.7.0에서는 이것이 int의 튜플인 경우 이전과 같이 단일 축이나 모든 축이 아닌 여러 축에 대해 평균이 수행됩니다.
dtype: 데이터 유형(선택)
이 매개변수는 평균을 계산하는 데 사용되는 데이터 유형을 정의하는 데 사용됩니다. 정수 입력의 경우 기본값은 float64이고 부동 소수점 입력의 경우 입력 dtype과 동일합니다.
출력: ndarray(선택 사항)
이 매개변수는 결과가 배치될 대체 출력 배열을 정의합니다. 결과 배열의 모양은 예상되는 출력의 모양과 동일해야 합니다. 필요한 경우 출력 값 유형이 캐스팅됩니다.
keepdims: bool(선택 사항)
값이 true이면 축소된 축은 출력/결과에서 크기 1의 차원으로 남습니다. 또한 결과는 입력 배열에 대해 올바르게 브로드캐스트됩니다. 기본값이 설정되면 keepdims는 ndarray 하위 클래스의 평균 메서드를 통해 전달되지 않지만 기본값이 아닌 값은 반드시 전달됩니다. 하위 클래스 메서드가 keepdims를 구현하지 않는 경우 예외가 반드시 발생합니다.
반품
'out' 매개변수를 다음으로 설정하면 없음 , 이 함수는 평균값을 포함하는 새 배열을 반환합니다. 그렇지 않으면 출력 배열에 대한 참조를 반환합니다.
예시 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
산출:
2.5 13.0
위의 코드에서
- 별칭 이름이 np인 numpy를 가져왔습니다.
- np.array() 함수를 사용하여 두 개의 배열 'a'와 'x'를 만들었습니다.
- 변수 'b'와 'y'를 선언하고 np.zeros() 함수의 반환 값을 할당했습니다.
- 함수에 배열 'a'와 'x'를 전달했습니다.
- 마지막으로 'b'와 'y'의 값을 출력해 보았습니다.
예 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
산출:
array([2.5, 4.5]) array([3., 4.])
예시 3:
단정밀도에서는 평균이 부정확할 수 있습니다.
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
산출:
27.5
위의 코드에서
- 별칭 이름이 np인 numpy를 가져왔습니다.
- dtype float32와 함께 np.zeros() 함수를 사용하여 'a' 배열을 만들었습니다.
- 첫 번째 행의 모든 요소 값을 23.0, 두 번째 행의 값을 32.0으로 설정했습니다.
- 함수에 배열 'a'를 전달하고 np.mean() 함수의 반환 값을 할당했습니다.
- 마지막으로 'c' 값을 출력해 보았습니다.
출력에는 배열 'a'의 평균이 표시됩니다.
예시 4:
float64에서 평균을 계산하는 것이 더 정확합니다.
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
산출:
1.0999985 1.1000000014901161