溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
1. mean() 函數定義：
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()函數功能：求取均值
經常操作的參數為axis，以m * n矩陣舉例：
axis 不設置值，對 m*n 個數求均值，返回一個實數
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.]])
補充拓展：numpy的np.nanmax和np.max區別（坑）
numpy的np.nanmax和np.array([1,2,3,np.nan]).max()的區別（坑）
numpy中numpy.nanmax的官方文檔
原理
在計算dataframe最大值時，最先用到的一定是Series對象的max()方法()，最終結果是4。
s1 = pd.Series([1,2,3,4,np.nan])
s1_max = s1.max()
但是筆者由于數據量巨大，列數較多，于是為了加快計算速度，采用numpy進行最大值的計算，但正如以下代碼，最終結果得到的是nan，而非4。發現，采用這種方式計算最大值，nan也會包含進去，并最終結果為nan。
s1 = pd.Series([1,2,3,4,np.nan]) s1_max = s1.values.max() >>>nan
通過閱讀numpy的文檔發現，存在np.nanmax的函數，可以將np.nan排除進行最大值的計算，并得到想要的正確結果。
當然不止是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()函數用法介紹就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
