NumPy教程-numpy.average()在Python中的使用

整理： python架构师 Python的 numpy 模块提供了一个名为numpy.average()的函数，用于沿指定轴计算加权平均值。

语法：

numpy.average(a, axis=None, weights=None, returned=False)

参数：

x: array_like 这个参数定义了要计算平均值的源数组。如果'x'是一个数组，将尝试进行转换。 axis: int或None或int元组（可选） 这个参数定义了计算平均值的轴。默认情况下，轴被设置为None，将计算源数组的所有元素的平均值。当axis的值为负数时，计数从末尾到起始轴开始。 weights : array_like（可选） 这个参数定义了一个包含与数组值关联的权重的数组。 数组元素 的每个值都会根据其关联的权重进行平均。加权数组可以是一维的，也可以与输入数组具有相同的形状。当数组元素没有关联的权重时，权重将对所有元素均视为1。 returned: bool（可选） 默认情况下，这个参数设置为False。如果设置为True，将返回平均值和权重的总和的元组。如果为False，则只返回平均值。如果权重没有值，加权和等同于元素数量。

返回值：

retval, [sum_of_weights]: array_type或double 这个函数返回平均值或平均值和权重总和，具体取决于返回参数。

异常：

ZeroDivisionError 当沿轴的所有权重都设置为零时，会引发此错误。 TypeError 当加权数组的长度与输入数组的形状不同时，会引发此错误。

专属福利 
👉点击领取：最全Python资料合集

示例1：

import numpy as np  data = list(range(1,6))  output=np.average(data)  data  output  

输出：

[1, 2, 3, 4, 5]3.0

在上面的代码中：

• 我们导入了别名为np的numpy。
• 我们创建了一个元素列表'data'。
• 我们声明了变量'output'，并将average()函数的返回值赋值给它。
• 我们在函数中传递了列表'data'。
• 最后，我们尝试打印'data'和'output'。

输出中显示了列表元素的平均值。

示例2：

import numpy as np  output=np.average(range(1,16), weights=range(15,0,-1))  output  

输出：

5.666666666666667

示例3：

import numpy as np  data=np.arange(12).reshape((4,3))  output = np.average(data, axis=1, weights=[1./4, 3./4, 5./4])  data   output  

输出：

array([[ 0,  1,  2],        [ 3,  4,  5],        [ 6,  7,  8],        [ 9, 10, 11]])array([ 1.44444444,  4.44444444,  7.44444444, 10.44444444])

在上面的代码中：

• 我们导入了别名为np的numpy。
• 我们使用arange()和np.reshape()函数创建了一个数组'data'。
• 我们声明了变量'output'，并将average()函数的返回值赋值给它。
• 我们在函数中传递了数组'data'，将axis设置为1，并在函数中传递了加权数组。
• 最后，我们尝试打印'data'和'output'。

输出中显示了数组中每列元素的平均值。

示例4：

import numpy as np  data=np.arange(12).reshape((4,3))  data   np.average(data, weights=[1./4, 3./4, 5./4])

输出：

array([[ 0,  1,  2],         [ 3,  4,  5],         [ 6,  7,  8],         [ 9, 10, 11]])Traceback (most recent call last):  File "<stdin>", line 1, in <module>  File "C:\Python27\lib\site-packages\numpy\lib\function_base.py", line 406, in average    "Axis must be specified when shapes of data and weights."TypeError: Axis must be specified when shapes of data and weights differ.

注意：输出显示了一个类型错误：“Axis must be specified when shapes of data and weights differ”，因为'weights'数组的形状与输入数组'data'不同。

1

 
热门推荐

• 最怕同事写出这样的代码。。。
• NumPy教程-numpy.sort()在Python中的使用
• 7款颜值当道的 Linux 操作系统 ！