Python numpy.average() 函式
NumPy
庫提供的幾個函式被廣泛用於在 Python 編碼時幫助不同領域。其中之一是 numpy.average()
函式,這將是本文的重點。
本教程討論了 numpy.average()
函式以及如何藉助 NumPy
庫在 Python 中實現它。
Python numpy.average()
函式
numpy.average()
函式,顧名思義,是 NumPy
庫提供的函式列表下的功能,這是一個重要且流行的庫,可以輕鬆處理數字並對其執行某些操作.
簡單來說,numpy.average()
函式用於計算某個類陣列結構沿需要指定的軸的加權平均值。
numpy.average()
的語法及其引數已在下面提到和解釋,以便於讀者理解。
numpy.average(a, axis=None, weights=None, returned=False, *, keepdims=<no value>)
與此功能相關的引數將在下面進一步說明。
a
- 它是函式將在其上執行的物件。在這種情況下,它是一個類似陣列的結構。如果沒有,可能會嘗試自動轉換過程。axis
- 必須沿其計算平均值的一個或多個軸在此引數中指定/儲存。weights
- 一個類似於a
大小的陣列,分別包含陣列a
中元素的權重。- 引數
returned
和keepdims
是可選的,與此程式碼中的示例無關。但是,對於好奇的讀者來說,兩者都可以在網際網路上輕鬆找到。
在 Python 中實現 numpy.average()
函式
實現 numpy.average()
函式很簡單,初學者很容易理解。
以下程式碼實現了 numpy.average()
函式。
import numpy as np
a = [10,20,30,80]
b = np.average(a)
print(b)
上面的程式碼提供了以下輸出。
35.0
與 numpy.mean()
函式的比較
乍一看,numpy.average()
函式和 numpy.mean()
函式看起來執行相同的任務,在一般數字場景中,它們甚至提供相同的結果。
讓我們以上面的例子計算列表的平均值和平均值。
import numpy as np
a = [10,20,30,80]
b = np.average(a)
c = np.mean(a)
print(b)
print(c)
上面的程式碼提供了以下輸出。
35.0
35.0
但是,這兩者也有其獨特的作用,這使得它們彼此不同。
numpy.average()
函式包含一個 weight
引數,可以計算給定指定類陣列結構的加權平均值; numpy.mean()
函式中缺少此功能。
此外,numpy.mean()
函式有一個 dtype
引數,這使得它可以用於使函式不僅適用於數字,而且適用於可能傳遞給函式的任何模稜兩可的物件。另一方面,numpy.average()
函式缺少此功能,僅適用於整數。
我們還應該注意,numpy.mean()
函式將掩碼考慮在內,這意味著藉助此函式計算的平均值僅考慮未掩碼的值。然而,numpy.average()
不包含掩碼的概念。
Vaibhhav is an IT professional who has a strong-hold in Python programming and various projects under his belt. He has an eagerness to discover new things and is a quick learner.
LinkedIn