日本免费高清视频-国产福利视频导航-黄色在线播放国产-天天操天天操天天操天天操|www.shdianci.com

學無先后，達者為師

網(wǎng)站首頁 編程語言 正文

使用numpy.mean()?計算矩陣均值方式_python

作者：chixujohnny ? 更新時間： 2022-07-02 編程語言

numpy.mean計算矩陣均值

計算矩陣的均值

>>> a = np.array([[1, 2], [3, 4]])
>>> np.mean(a) # 將上面二維矩陣的每個元素相加除以元素個數(shù)（求平均數(shù)）
2.5
>>> np.mean(a, axis=0) # axis=0，計算每一列的均值
array([ 2., ?3.])
>>> np.mean(a, axis=1) # 計算每一行的均值
array([ 1.5, ?3.5])

官方手冊

均值函數(shù)numpy.mean

mean是numpy中常用的求均值函數(shù)

現(xiàn)將mean的常用方法總結如下：

函數(shù)體：

numpy.mean(a, axis=None, dtype=None, out=None, keepdims= < class ‘numpy._globals._NoValue'>)[source]

功能：

  • 計算指定軸的算術平均值。
  • 返回數(shù)組元素的平均值。默認的情況下，求均值的操作在平展開來的數(shù)組上進行，否則就在指定的軸上。

參數(shù)：

①a：必須是數(shù)組。

②axis：默認條件下是flatten的array，可以指定相應的軸。

如果是二維矩陣，axis=0返回縱軸的平均值，axis=1返回橫軸的平均值。

例子如下：

>>> 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])
  • 你也可以用a.mean(1)來代替np.mean(a,axis=1)
  • 這樣子更簡潔

返回值：

在out=None的情況下，返回的就是你要的平均值唄~

否則，返回一個對平均值的引用。

注意(關于精度)：

算術平均值是沿軸的元素總和除以元素的數(shù)量。既然是除法，就涉及到一個精確度的問題。

對于浮點輸入，平均值的計算使用與輸入相同的精度計算，這可能會導致結果不準確，特別是對于float32來說。為了緩解這個問題，我們可以使用dtype關鍵字指定更高精度的累加器。

具體看下面這個例程：

>>> a = np.zeros((2, 512*512), dtype=np.float32)
>>> a[0, :] = 1.0
>>> a[1, :] = 0.1
>>> np.mean(a)
0.54999924
>>> np.mean(a, dtype=np.float64)
0.55000000074505806

如果想要返回標準差，可以調(diào)用標準差函數(shù)

std = sqrt（平均值（abs（x-x.mean（））** 2））

>>> a = np.array([[1, 2], [3, 4]])
>>> np.std(a)
1.1180339887498949
>>> np.std(a, axis=0)
array([ 1., ?1.])
>>> np.std(a, axis=1)
array([ 0.5, ?0.5])

原文鏈接：https://blog.csdn.net/chixujohnny/article/details/51106421

欄目分類
最近更新