Python numpy.average() 函数
NumPy
库提供的几个函数被广泛用于在 Python 编码时帮助不同领域。其中之一是 numpy.average()
函数,这将是本文的重点。
本教程讨论了 numpy.average()
函数以及如何借助 NumPy
库在 Python 中实现它。
Python numpy.average()
函数
numpy.average()
函数,顾名思义,是 NumPy
库提供的函数列表下的功能,这是一个重要且流行的库,可以轻松处理数字并对其执行某些操作.
简单来说,numpy.average()
函数用于计算某个类数组结构沿需要指定的轴的加权平均值。
numpy.average()
的语法及其参数已在下面提到和解释,以便于读者理解。
numpy.average(a, axis=None, weights=None, returned=False, *, keepdims=<no value>)
与此功能相关的参数将在下面进一步说明。
a
- 它是函数将在其上运行的对象。在这种情况下,它是一个类似数组的结构。如果没有,可能会尝试自动转换过程。axis
- 必须沿其计算平均值的一个或多个轴在此参数中指定/存储。weights
- 一个类似于a
大小的数组,分别包含数组a
中元素的权重。- 参数
returned
和keepdims
是可选的,与此代码中的示例无关。但是,对于好奇的读者来说,两者都可以在互联网上轻松找到。
在 Python 中实现 numpy.average()
函数
实现 numpy.average()
函数很简单,初学者很容易理解。
以下代码实现了 numpy.average()
函数。
import numpy as np
a = [10,20,30,80]
b = np.average(a)
print(b)
上面的代码提供了以下输出。
35.0
与 numpy.mean()
函数的比较
乍一看,numpy.average()
函数和 numpy.mean()
函数看起来执行相同的任务,在一般数字场景中,它们甚至提供相同的结果。
让我们以上面的例子计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)
上面的代码提供了以下输出。
35.0
35.0
但是,这两者也有其独特的作用,这使得它们彼此不同。
numpy.average()
函数包含一个 weight
参数,可以计算给定指定类数组结构的加权平均值; numpy.mean()
函数中缺少此功能。
此外,numpy.mean()
函数有一个 dtype
参数,这使得它可以用于使函数不仅适用于数字,而且适用于可能传递给函数的任何模棱两可的对象。另一方面,numpy.average()
函数缺少此功能,仅适用于整数。
我们还应该注意,numpy.mean()
函数将掩码考虑在内,这意味着借助此函数计算的平均值仅考虑未掩码的值。然而,numpy.average()
不包含掩码的概念。
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