Numpy中的mean函数

numpy.mean( a, axis=None, dtype=None, out=None, keepdims=<no value>)

函数功能：

根据制定轴方向计算算术平均值。

返回数组元素的平均值。默认情况下，平均值从平展开的数组计算得出，如果有指定轴，根据指定轴方向计算得出。整数输入的中间值和返回值也都是float64

参数

• a : array_like

  需要计算均值的数组。如果a不是一个数组，则会尝试进行转换。

• axis : None or int or tuple of ints, optional

  指定计算均值方向的轴。默认是在展开后的数组上计算。

  1.7.0新版本功能

  如果这是一个整数元组，则均值是在多个轴上计算，而不是之前的单个轴或者所有轴。

• dtype : data-type, optional

  输出均值的类型。 对于整数输入，默认值为float64; 对于浮点数输入，它与输入类型相同。

• out : ndarray, optional

  存放结果的备选输出数组。默认是None；如果提供了，它必须跟期望输出有相同的shape，但必要时将转换类型。更多细节请看doc.ufuncs。

返回值

• m : ndarray, see dtype parameter above

  如果out=None，返回平均值数组，否则，返回一个输出数组的引用。

注意

算术平均值是沿着轴的元素之和除以元素个数。

请注意，对于浮点数输入，使用跟输入值具有的相同精度计算平均值。 根据输入数据，这可能导致结果不准确，尤其是对于float32（参见下面的示例）。 使用dtype关键字指定更高精度的累加器可以缓解此问题。

默认情况下，使用float32中间函数计算得出float16结果以获得额外的精度。

示例

>>> 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])

在单精度中，均值可能不准确：

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

用float64来计算均值更加准确：

>>> np.mean(a, dtype = np.float64)
0.5500000007450581