mean和average都是计算均值的函数,在不指定权重的时候average和mean是一样的。指定权重后,average可以计算一维的加权平均值。
具体如下:
- import numpy as np
- a = np.array([np.random.randint(0, 20, 5), np.random.randint(0, 20, 5)])
- print('原始数据\n', a)
- print('mean函数'.center(20, '*'))
- print('对所有数据计算\n', a.mean())
- print('axis=0,按行方向计算,即每列\n', a.mean(axis=0)) # 按行方向计算,即每列
- print('axis=1,按列方向计算,即每行\n', a.mean(axis=1)) # 按列方向计算,即每行
- print('average函数'.center(20, '*'))
- print('对所有数据计算\n', np.average(a))
- print('axis=0,按行方向计算,即每列\n', np.average(a, axis=0)) # 按行方向计算,即每列
- print('axis=1,按列方向计算,即每行\n', np.average(a, axis=1)) # 按列方向计算,即每行
- b = np.array([1, 2, 3, 4])
- wts = np.array([4, 3, 2, 1])
- print('不指定权重\n', np.average(b))
- print('指定权重\n', np.average(b, weights=wts))
运行结果:
- 原始数据
- [[10 12 7 14 5]
- [12 10 2 16 7]]
- *******mean函数*******
- 对所有数据计算
- 9.5
- axis=0,按行方向计算,即每列
- [ 11. 11. 4.5 15. 6. ]
- axis=1,按列方向计算,即每行
- [ 9.6 9.4]
- *****average函数******
- 对所有数据计算
- 9.5
- axis=0,按行方向计算,即每列
- [ 11. 11. 4.5 15. 6. ]
- axis=1,按列方向计算,即每行
- [ 9.6 9.4]
- 不指定权重
- 2.5
- 指定权重
- 2.0
-
以上这篇在Python3 numpy中mean和average的区别详解就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持w3xue。