Tổng các phần tử, cùng với một trục chia cho số phần tử, được gọi là trung bình cộng. Hàm numpy.mean () được sử dụng để tính trung bình cộng dọc theo trục được chỉ định.
Hàm này trả về giá trị trung bình của các phần tử trong mảng. Theo mặc định, giá trị trung bình trên mảng 1 chiều. Khác trên trục được chỉ định, float 64 là trung gian cũng như các giá trị trả về được sử dụng cho các đầu vào số nguyên
Giới thiệu về numpy.mean()
numpy.mean() là một phương thức trong thư viện NumPy của Python, được sử dụng để tính giá trị trung bình của các phần tử trong mảng. Phương thức này trả về giá trị trung bình của mảng theo một trục cụ thể (nếu được chỉ định).
Cú pháp của numpy.mean() như sau:
numpy.mean(a, axis=None, dtype=None, keepdims=False)
Trong đó:
a: Mảng đầu vào để tính giá trị trung bình.axis(tuỳ chọn): Xác định trục hoặc trục mà giá trị trung bình sẽ được tính toán. Mặc định là None, trong trường hợp này, giá trị trung bình sẽ được tính toán cho tất cả các phần tử của mảng.dtype(tuỳ chọn): Kiểu dữ liệu của kết quả trả về. Nếu không được chỉ định, kiểu dữ liệu của kết quả sẽ được xác định dựa trên kiểu dữ liệu của mảng đầu vào.keepdims(tuỳ chọn): Xác định xem kích thước của kết quả có giữ nguyên số chiều của mảng đầu vào hay không. Giá trị mặc định là False, tức là số chiều sẽ được rút gọn.
Ví dụ:
import numpy as np arr = np.array([1, 2, 3, 4, 5]) mean_value = np.mean(arr) print(mean_value)
Trong ví dụ trên, numpy.mean() tính giá trị trung bình của mảng arr, và kết quả trả về là 3.0, tức là giá trị trung bình của các phần tử trong mảng.
Phương thức numpy.mean() rất hữu ích khi cần tính toán giá trị trung bình của một tập hợp các giá trị trong mảng, đóng vai trò quan trọng trong việc thống kê và xử lý dữ liệu.
Xem thêm Bình phương trong c++
Tham số của numpy.mean()
Đây là các tham số sau trong hàm numpy.mean ():
- a: array_like
Tham số này xác định mảng nguồn chứa các phần tử có giá trị trung bình mong muốn. Trong trường hợp ‘a’ không phải là một mảng, một chuyển đổi sẽ được thực hiện.
- axis: Không có, int hoặc nhiều int (tùy chọn)
Tham số này xác định trục mà phương tiện được tính toán dọc theo. Theo mặc định, giá trị trung bình được tính bằng mảng phẳng. Trong phiên bản 1.7.0, nếu đây là một bộ int, giá trị trung bình được thực hiện trên nhiều trục, thay vì một trục hoặc tất cả các trục như trước đây.
- dtype: kiểu dữ liệu (tùy chọn)
Tham số này được sử dụng để xác định kiểu dữ liệu được sử dụng trong tính toán giá trị trung bình. Đối với đầu vào số nguyên, mặc định là float64 và đối với đầu vào dấu phẩy động, nó giống với kiểu đầu vào.
- out: ndarray (tùy chọn)
Tham số này xác định một mảng đầu ra thay thế trong đó kết quả sẽ được đặt. Hình dạng của mảng kết quả phải giống hình dạng của đầu ra mong đợi. Loại giá trị đầu ra sẽ ép kiểu khi cần thiết.
- keepdims: bool (tùy chọn)
Khi giá trị là true, trục giảm được để lại dưới dạng các kích thước với kích thước là một trong đầu ra / kết quả. Ngoài ra, kết quả phát chính xác với mảng đầu vào. Khi giá trị mặc định được đặt, các keepdim sẽ không chuyển qua phương thức trung bình của các lớp con của ndarray, nhưng mọi giá trị không phải mặc định chắc chắn sẽ được chuyển. Trong trường hợp phương thức lớp con không triển khai keepdims, thì một ngoại lệ chắc chắn sẽ xuất hiện.
Xem thêm Định lý giá trị trung bình của Lagrange
Return của numpy.mean()
Nếu chúng ta đặt tham số ‘out’ thành Không, hàm này trả về một mảng mới chứa các giá trị trung bình. Nếu không, nó sẽ trả về tham chiếu đến mảng đầu ra.
Ví dụ 1:
import numpy as np a = np.array([[1, 2], [3, 4]]) b=np.mean(a) b x = np.array([[5, 6], [7, 34]]) y=np.mean(x) y
Output:
Trong đoạn code trên
- Chúng tôi đã tạo hai mảng ‘a’ và ‘x’ bằng cách sử dụng hàm np.array ().
- Chúng ta đã khai báo biến ‘b’ và ‘y’ và gán giá trị trả về của hàm np.zeros ().
- Chúng tôi đã chuyển các mảng ‘a’ và ‘x’ trong hàm.
- Cuối cùng, chúng tôi đã cố gắng in giá trị của ‘b’ và ‘y’.
Ví dụ 2:
import numpy as np a = np.array([[2, 4], [3, 5]]) b=np.mean(a,axis=0) c=np.mean(a,axis=1) b c
Output:
Ví dụ 3:
import numpy as np a = np.zeros((2, 512*512), dtype=np.float32) a[0, :] = 23.0 a[1, :] = 32.0 c=np.mean(a) c
Output:
Trong đoạn mã trên
- Chúng tôi đã tạo một mảng ‘a’ bằng cách sử dụng hàm np.zeros () với dtype float32.
- Chúng tôi đã đặt giá trị của tất cả các phần tử của hàng đầu tiên là 23.0 và hàng thứ 2 là 32.0.
- Chúng ta đã chuyển mảng ‘a’ trong hàm và gán giá trị trả về của hàm np.mean ().
- Cuối cùng, chúng tôi đã cố gắng in giá trị của ‘c’.
- Trong đầu ra, nó hiển thị giá trị trung bình của mảng ‘a’.
Ví dụ 4:
Tính toán giá trị trung bình trong float64 chính xác hơn:
import numpy as np a[0, :] = 2.0 a[1, :] = 0.2 c=np.mean(a) c d=np.mean(a, dtype=np.float64) d
Output:
Xem thêm Mean Squared Error
