2008iis里没加域名 网站指向还在百度地图的精准定位功能

1 python数据分析numpy基础之mean用法和示例

python的numpy库的mean()函数，用于计算沿指定轴(一个轴或多个轴)的算术平均值。

用法

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

描述

返回数组元素的平均值。长度为0的数组的mean为nan。

等效于对指定轴求后，然后除以轴大小，即为其平均值。

入参

a：必选，array_like，数组或列表或元组，表示需要计算平均数的元素的数组。

axis：可选，默认为None，整数或整数元组，表示需要计算平均值的一个或多个轴。

1.1 入参a

numpy.mean()的入参a，为必选入参，可以为数组、列表、元组。如果a长度为0，则返回NaN。表示需要求平均值的数组。

>>> import numpy as np
# 入参a为列表
>>> np.mean([1,2,3,4,5])
3.0
# 入参a为元组
>>> np.mean((1,2,3,4,5))
3.0
# 入参a为数组
>>> np.mean(np.array([1,2,3,4,5]))
3.0
# 入参a的长度为0，返回NaN，并且第1次报错，后面不再报错
>>> np.mean(np.array([]))
Warning (from warnings module):File "D:\python3\lib\site-packages\numpy\core\fromnumeric.py", line 3441out=out, **kwargs)
RuntimeWarning: Mean of empty slice.Warning (from warnings module):File "D:\python3\lib\site-packages\numpy\core\_methods.py", line 189ret = ret.dtype.type(ret / rcount)
RuntimeWarning: invalid value encountered in double_scalars
nan
>>> np.mean(np.array([]))
nan

1.2 入参axis为整数

numpy.mean()的入参axis为可选入参，默认为None，表示求全部元素的平均值。

若axis=n为整数，则对指定轴n的元素求平均值，即，先对同轴同方向的元素求和，再除以同轴同方向的元素个数(轴大小)，即为其平均值。

若axis=负数，则-1对应最后一个轴，-2倒数第2个轴，依此类推。

>>> import numpy as np
# 创建一个三维数组，大小为(2,3,4)
>>> ar3=np.arange(24).reshape(2,3,4)
>>> ar3
array([[[ 0,  1,  2,  3],[ 4,  5,  6,  7],[ 8,  9, 10, 11]],[[12, 13, 14, 15],[16, 17, 18, 19],[20, 21, 22, 23]]])
# 入参 axis默认为None，求全部元素的平均值
>>> np.mean(ar3)
11.5
# axis=整数，同轴同方向求和，再除以轴大小
# axis=0，先对0轴求和，再除以2
>>> np.mean(ar3,axis=0)
array([[ 6.,  7.,  8.,  9.],[10., 11., 12., 13.],[14., 15., 16., 17.]])
# np.mean(ar3,axis=0)=np.sum(ar3,axis=0)/2
>>> np.sum(ar3,axis=0)/2
array([[ 6.,  7.,  8.,  9.],[10., 11., 12., 13.],[14., 15., 16., 17.]])
# axis=1，先对1轴求和，再除以3
>>> np.mean(ar3,axis=1)
array([[ 4.,  5.,  6.,  7.],[16., 17., 18., 19.]])
# np.mean(ar3,axis=1)=np.sum(ar3,axis=1)/3
>>> np.sum(ar3,axis=1)/3
array([[ 4.,  5.,  6.,  7.],[16., 17., 18., 19.]])
# axis=2，先对2轴求和，再除以4
>>> np.mean(ar3,axis=2)
array([[ 1.5,  5.5,  9.5],[13.5, 17.5, 21.5]])
# np.mean(ar3,axis=2)=np.sum(ar3,axis=2)/4
>>> np.sum(ar3,axis=2)/4
array([[ 1.5,  5.5,  9.5],[13.5, 17.5, 21.5]])
# axis=负数，则-1对应最后一个轴，-2倒数第2个轴，依此类推 
>>> np.mean(ar3,axis=-1)
array([[ 1.5,  5.5,  9.5],[13.5, 17.5, 21.5]])

1.3 入参axis为元组

numpy.mean()的入参axis若为轴的元组，则对多个轴求平均值。

先对多个轴的元素求和，再除以多个轴的大小的乘积，即为其平均值。

axis=(m,n)等效于axis=(n,m)。

>>> import numpy as np
# 创建一个三维数组，大小为(2,3,4)
>>> ar3=np.arange(24).reshape(2,3,4)
>>> ar3
array([[[ 0,  1,  2,  3],[ 4,  5,  6,  7],[ 8,  9, 10, 11]],[[12, 13, 14, 15],[16, 17, 18, 19],[20, 21, 22, 23]]])
# axis=元组，对多个轴求和，再除以多个轴大小的乘积
# axis=(0,1)，先对0和1轴求和，再除以6，6=2*3
>>> np.mean(ar3,axis=(0,1))
array([10., 11., 12., 13.])
>>> np.sum(ar3,axis=(0,1))/6
array([10., 11., 12., 13.])
# axis=(1,0)等效于axis=(0,1)
>>> np.mean(ar3,axis=(1,0))
array([10., 11., 12., 13.])
# axis=(0,1)，先对0和2轴求和，再除以8，8=2*4
>>> np.mean(ar3,axis=(0,2))
array([ 7.5, 11.5, 15.5])
>>> np.sum(ar3,axis=(0,2))/8
array([ 7.5, 11.5, 15.5
# axis=(1,2)，先对1和2轴求和，再除以12，12=3*4
>>> np.mean(ar3,axis=(1,2))
array([ 5.5, 17.5])
>>> np.sum(ar3,axis=(1,2))/12
array([ 5.5, 17.5])