Python的np.mean函數及其應用

一、np.mean函數介紹

np.mean函數是numpy庫中的一個函數，主要用於計算數組中元素的平均值。它可以計算整個數組的平均值，也可以沿着指定的軸計算平均值。

np.mean函數的語法如下：

numpy.mean(arr, axis=None, dtype=None, out=None, keepdims=False)

參數解釋：

• arr：表示要計算平均值的數組。
• axis：表示計算平均值沿着哪個軸。默認為計算整個數組的平均值。
• dtype：表示返回結果的數據類型。默認情況下，與arr的數據類型相同。
• out：表示存儲結果的數組。
• keepdims：表示是否保留軸的維度。默認為False。

二、計算整個數組的平均值

當axis=None時，np.mean函數將計算整個數組的平均值。下面是一個示例：

import numpy as np

arr = np.array([[1, 2], [3, 4]])
mean_value = np.mean(arr)

print(mean_value)
# output: 2.5

在上面的代碼中，我們定義了一個2×2的數組arr，並使用np.mean計算了整個數組的平均值。最後，輸出結果為2.5。

三、沿着軸計算平均值

當axis參數不為None時，np.mean函數會沿着指定的軸計算平均值。下面是一個示例：

import numpy as np

arr = np.array([[1, 2], [3, 4]])
mean_value_axis_0 = np.mean(arr, axis=0)
mean_value_axis_1 = np.mean(arr, axis=1)

print(mean_value_axis_0)
# output: [2. 3.]

print(mean_value_axis_1)
# output: [1.5 3.5]

在上面的代碼中，我們分別使用axis參數為0和1的np.mean函數計算了數組arr沿着軸0和軸1的平均值。最後，輸出結果分別為[2.0, 3.0]和[1.5, 3.5]。

四、使用dtype參數控制輸出結果的數據類型

當我們需要控制輸出結果的數據類型時，可以使用dtype參數。下面是一個示例：

import numpy as np

arr = np.array([[1, 2], [3, 4]], dtype=np.float32)
mean_value = np.mean(arr, dtype=np.int8)

print(mean_value)
# output: 2

在上面的代碼中，我們使用dtype參數指定結果的數據類型為int8。最後，輸出結果為2。

五、使用out參數指定存儲結果的數組

當我們需要指定存儲結果的數組時，可以使用out參數。下面是一個示例：

import numpy as np

arr = np.array([[1, 2], [3, 4]], dtype=np.float32)
out_arr = np.empty((2,), dtype=np.float32)
mean_value = np.mean(arr, axis=0, out=out_arr)

print(mean_value)
# output: [2. 3.]

print(out_arr)
# output: [2. 3.]

在上面的代碼中，我們使用out參數指定了存儲結果的數組out_arr，並使用axis參數為0的np.mean函數計算了數組arr沿着軸0的平均值。最後，輸出結果為[2.0, 3.0]，並且存儲在數組out_arr中。

六、使用keepdims參數保留軸的維度

當我們希望保留軸的維度時，可以使用keepdims參數。下面是一個示例：

import numpy as np

arr = np.array([[1, 2], [3, 4]])
mean_value_axis_0 = np.mean(arr, axis=0, keepdims=True)
mean_value_axis_1 = np.mean(arr, axis=1, keepdims=True)

print(mean_value_axis_0)
# output: [[2. 3.]]

print(mean_value_axis_1)
# output: [[1.5], [3.5]]

在上面的代碼中，我們使用keepdims參數保留了軸的維度，並使用axis參數為0和1的np.mean函數計算了數組arr沿着軸0和軸1的平均值。最後，輸出結果分別為[[2.0, 3.0]]和[[1.5], [3.5]]。