La somme des éléments, accompagnée d'un axe divisé par le nombre d'éléments, est appelée moyenne arithmétique . La fonction numpy.mean() est utilisée pour calculer la moyenne arithmétique le long de l'axe spécifié.
Cette fonction renvoie la moyenne des éléments du tableau. Par défaut, la moyenne est prise sur le tableau aplati. Ailleurs sur l'axe spécifié, le float 64 est intermédiaire et les valeurs de retour sont utilisées pour les entrées entières
Syntaxe
numpy.mean(a, axis=None, dtype=None, out=None, keepdims=)
Paramètres
Ce sont les paramètres suivants dans la fonction numpy.mean() :
les bases de Java
a : array_like
Ce paramètre définit le tableau source contenant les éléments dont la moyenne est souhaitée. Dans le cas où « a » n'est pas un tableau, une conversion est tentée.
axe : Aucun, entier ou tuple d'entiers (facultatif)
Ce paramètre définit l'axe le long duquel les moyennes sont calculées. Par défaut, la moyenne est calculée à partir du tableau aplati. Dans la version 1.7.0, s'il s'agit d'un tuple d'entiers, la moyenne est effectuée sur plusieurs axes, au lieu d'un seul axe ou de tous les axes comme auparavant.
dtype : type de données (facultatif)
Ce paramètre est utilisé pour définir le type de données utilisé dans le calcul de la moyenne. Pour les entrées entières, la valeur par défaut est float64, et pour les entrées à virgule flottante, elle est identique au type d'entrée.
sortie : ndarray (facultatif)
Ce paramètre définit un tableau de sortie alternatif dans lequel le résultat sera placé. La forme du tableau résultant doit être la même que celle de la sortie attendue. Le type de valeurs de sortie sera converti si nécessaire.
keepdims : bool (facultatif)
Lorsque la valeur est vraie, l'axe réduit est laissé sous forme de dimensions de taille un dans la sortie/résultat. De plus, le résultat est diffusé correctement sur le tableau d'entrée. Lorsque la valeur par défaut est définie, keepdims ne passe pas via la méthode moyenne des sous-classes de ndarray, mais toute valeur autre que celle par défaut passera sûrement. Si la méthode de la sous-classe n'implémente pas keepdims, une exception surviendra sûrement.
Retour
Si nous définissons le paramètre 'out' sur Aucun , cette fonction renvoie un nouveau tableau contenant les valeurs moyennes. Sinon, il renverra la référence au tableau de sortie.
Exemple 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
Sortir:
2.5 13.0
Dans le code ci-dessus
- Nous avons importé numpy avec le nom d'alias np.
- Nous avons créé deux tableaux 'a' et 'x' en utilisant la fonction np.array().
- Nous avons déclaré les variables 'b' et 'y' et attribué la valeur de retour de la fonction np.zeros().
- Nous avons passé les tableaux « a » et « x » dans la fonction.
- Enfin, nous avons essayé d'imprimer la valeur de « b » et « y ».
Exemple 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
Sortir:
array([2.5, 4.5]) array([3., 4.])
Exemple 3 :
En simple précision, la moyenne peut être inexacte :
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
Sortir:
27.5
Dans le code ci-dessus
- Nous avons importé numpy avec le nom d'alias np.
- Nous avons créé un tableau 'a' en utilisant la fonction np.zeros() avec le dtype float32.
- Nous avons défini la valeur de tous les éléments de la 1ère ligne à 23,0 et de la 2ème ligne à 32,0.
- Nous avons passé le tableau 'a' dans la fonction et attribué la valeur de retour de la fonction np.mean().
- Enfin, nous avons essayé d'imprimer la valeur de « c ».
Dans la sortie, il affiche la moyenne du tableau « a ».
Exemple 4 :
Le calcul de la moyenne dans float64 est plus précis :
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
Sortir:
1.0999985 1.1000000014901161