迹忆客 专注技术分享

当前位置:主页 > 学无止境 > 编程语言 > Python >

Python numpy.average() 函数

作者:迹忆客 最近更新:2024/03/12 浏览次数:

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。

转载请发邮件至 1244347461@qq.com 进行申请,经作者同意之后,转载请以链接形式注明出处

本文地址:

相关文章

Pandas read_csv()函数

发布时间:2024/04/24 浏览次数:254 分类:Python

Pandas read_csv()函数将指定的逗号分隔值(csv)文件读取到 DataFrame 中。

Pandas 追加数据到 CSV 中

发布时间:2024/04/24 浏览次数:352 分类:Python

本教程演示了如何在追加模式下使用 to_csv()向现有的 CSV 文件添加数据。

Pandas 多列合并

发布时间:2024/04/24 浏览次数:628 分类:Python

本教程介绍了如何在 Pandas 中使用 DataFrame.merge()方法合并两个 DataFrames。

Pandas loc vs iloc

发布时间:2024/04/24 浏览次数:837 分类:Python

本教程介绍了如何使用 Python 中的 loc 和 iloc 从 Pandas DataFrame 中过滤数据。

扫一扫阅读全部技术教程

社交账号
  • https://www.github.com/onmpw
  • qq:1244347461

最新推荐

教程更新

热门标签

扫码一下
查看教程更方便