Python numpy.average() 函数

Vaibhhav Khetarpal 2023年1月30日 2022年7月18日
  1. Python numpy.average() 函数
  2. 在 Python 中实现 numpy.average() 函数
  3. numpy.mean() 函数的比较
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。

  1. 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。
  2. 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。
  3. 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。
  4. 参数 returnedkeepdims 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

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 Khetarpal avatar Vaibhhav Khetarpal avatar

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