python 的numpy庫中的mean()函數(shù)用法介紹
1. mean() 函數(shù)定義：
numpy.mean(a, axis=None, dtype=None, out=None, keepdims=<class numpy._globals._NoValue at 0x40b6a26c>)[source]
Compute the arithmetic mean along the specified axis.
Returns the average of the array elements. The average is taken over the flattened array by default, otherwise over the specified axis. float64intermediate and return values are used for integer inputs.
| Parameters: |
a : array_like
axis : None or int or tuple of ints, optional
dtype : data-type, optional
out : ndarray, optional
keepdims : bool, optional
|
|---|---|
| Returns: |
m : ndarray, see dtype parameter above
|
2 mean()函數(shù)功能：求取均值
經(jīng)常操作的參數(shù)為axis，以m * n矩陣舉例：
axis 不設(shè)置值，對 m*n 個數(shù)求均值，返回一個實(shí)數(shù)
axis = 0：壓縮行，對各列求均值，返回 1* n 矩陣
axis =1 ：壓縮列，對各行求均值，返回 m *1 矩陣
舉例：
>>> import numpy as np >>> num1 = np.array([[1,2,3],[2,3,4],[3,4,5],[4,5,6]]) >>> now2 = np.mat(num1) >>> now2 matrix([[1, 2, 3], [2, 3, 4], [3, 4, 5], [4, 5, 6]]) >>> np.mean(now2) # 對所有元素求均值 3.5 >>> np.mean(now2,0) # 壓縮行，對各列求均值 matrix([[ 2.5, 3.5, 4.5]]) >>> np.mean(now2,1) # 壓縮列，對各行求均值 matrix([[ 2.], [ 3.], [ 4.], [ 5.]])
補(bǔ)充拓展：numpy的np.nanmax和np.max區(qū)別（坑）
numpy的np.nanmax和np.array([1,2,3,np.nan]).max()的區(qū)別（坑）
原理
在計(jì)算dataframe最大值時，最先用到的一定是Series對象的max()方法()，最終結(jié)果是4。
s1 = pd.Series([1,2,3,4,np.nan])
s1_max = s1.max()
但是筆者由于數(shù)據(jù)量巨大，列數(shù)較多，于是為了加快計(jì)算速度，采用numpy進(jìn)行最大值的計(jì)算，但正如以下代碼，最終結(jié)果得到的是nan，而非4。發(fā)現(xiàn)，采用這種方式計(jì)算最大值，nan也會包含進(jìn)去，并最終結(jié)果為nan。
s1 = pd.Series([1,2,3,4,np.nan]) s1_max = s1.values.max() >>>nan
通過閱讀numpy的文檔發(fā)現(xiàn)，存在np.nanmax的函數(shù)，可以將np.nan排除進(jìn)行最大值的計(jì)算，并得到想要的正確結(jié)果。
當(dāng)然不止是max，min 、std、mean 均會存在列中含有np.nan時，s1.values.min /std/mean ()返回nan的情況。
速度區(qū)別
速度由快到慢依次:
s1 = pd.Series([1,2,3,4,5,np.nan]) #速度由快至慢 np.nanmax(s1.values) > np.nanmax(s1) > s1.max()
以上這篇python 的numpy庫中的mean()函數(shù)用法介紹就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。
相關(guān)文章
這篇文章主要介紹了如何在pycharm中使用less,操作步驟真的很簡單，本文通過圖文并茂的形式給大家詳細(xì)介紹，需要的朋友可以參考下2021-10-10
python3 QT5 端口轉(zhuǎn)發(fā)工具兩種場景分析
這篇文章主要介紹了python3 QT5 端口轉(zhuǎn)發(fā)工具,功能是打開本機(jī)端口，映射到指定IP的端口，接下來通過兩種場景給大家詳細(xì)介紹，感興趣的朋友一起看看吧2022-01-01
這篇文章主要介紹了幾個Python小技巧，非常不錯，具有一定的參考借鑒價值,需要的朋友可以參考下，希望能夠給你帶來幫助2021-10-10
這篇文章主要為大家詳細(xì)介紹了Python中time與datetime模塊使用方法，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價值，感興趣的小伙伴們可以參考一下，希望能夠給你帶來幫助2022-03-03
這篇文章主要介紹了python的多重繼承的理解的相關(guān)資料,多重繼承不是多容易理解，這里舉例說明幫助大家學(xué)習(xí)參考，需要的朋友可以參考下2017-08-08
本文主要介紹了Python彈球小游戲的項(xiàng)目代碼，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-03-03
在本篇文章里小編給大家分享的是一篇關(guān)于Python編寫萬花尺圖案實(shí)例的內(nèi)容，有興趣的朋友們可以參考下。2021-01-01
Python實(shí)現(xiàn)簡易的圖書管理系統(tǒng)
這篇文章主要為大家詳細(xì)介紹了Python實(shí)現(xiàn)簡易的圖書管理系統(tǒng)，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價值，感興趣的小伙伴們可以參考一下2022-03-03
淺談tensorflow使用張量時的一些注意點(diǎn)tf.concat,tf.reshape,tf.stack
這篇文章主要介紹了淺談tensorflow使用張量時的一些注意點(diǎn)tf.concat,tf.reshape,tf.stack，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-06-06
這篇文章主要從函數(shù)開始介紹展開Python函數(shù)，以最基本的函數(shù)定義方法描述,需要的朋友可以參考下文簡單的介紹2021-08-08