Python numpy.average() Funktion

1. Python-Funktion numpy.average()
2. Implementieren Sie die Funktion numpy.average() in Python
3. Vergleiche mit der Funktion numpy.mean()

Die verschiedenen Funktionen, die von der NumPy-Bibliothek bereitgestellt werden, werden häufig verwendet, um in verschiedenen Bereichen beim Codieren in Python zu helfen. Eine davon ist die Funktion numpy.average(), die im Mittelpunkt dieses Artikels steht.

Dieses Tutorial behandelt die Funktion numpy.average() und wie sie mit Hilfe der Bibliothek NumPy in Python implementiert werden kann.

Python-Funktion numpy.average()

Die Funktion numpy.average() befindet sich, wie der Name schon sagt, in der Liste der Funktionen, die von der Bibliothek NumPy bereitgestellt werden, einer bedeutenden und beliebten Bibliothek, die es einfach macht, mit Zahlen umzugehen und bestimmte Operationen mit ihnen auszuführen .

Vereinfacht ausgedrückt wird mit der Funktion numpy.average() der gewichtete Durchschnitt einer bestimmten arrayartigen Struktur entlang einer anzugebenden Achse berechnet.

Die Syntax für numpy.average() und seine Parameter wurden unten erwähnt und erklärt, um den Lesern das Verständnis zu erleichtern.

numpy.average(a, axis=None, weights=None, returned=False, *, keepdims= < no value >)

Die Parameter dieser Funktion werden weiter unten erklärt.

1. a - Es ist das Objekt, auf dem die Funktion ausgeführt wird. In diesem Fall handelt es sich um eine Array-ähnliche Struktur. Wenn nicht, kann ein automatischer Konvertierungsprozess versucht werden.
2. axis - In diesem Parameter wird die Achse oder die Achsen angegeben/gespeichert, entlang derer der Mittelwert berechnet werden soll.
3. weights – Ein Array ähnlich der Grösse von a, das jeweils die Gewichte der Elemente im Array a enthält.
4. Die Parameter returned und keepdims sind optional und für die in diesem Code verwendeten Beispiele irrelevant. Beide sind für neugierige Leser jedoch leicht im Internet zu finden.

Implementieren Sie die Funktion numpy.average() in Python

Die Implementierung der Funktion numpy.average() ist unkompliziert und für Anfänger leicht verständlich.

Der folgende Code implementiert die Funktion numpy.average().

import numpy as np

a = [10, 20, 30, 80]
b = np.average(a)
print(b)

Der obige Code liefert die folgende Ausgabe.

35.0

Vergleiche mit der Funktion numpy.mean()

Auf den ersten Blick scheinen sowohl die Funktion numpy.average() als auch die Funktion numpy.mean() dieselbe Aufgabe zu erfüllen, und in allgemeinen Zahlenszenarien liefern sie sogar dieselben Ergebnisse.

Nehmen wir das obige Beispiel und berechnen den Durchschnitt und Mittelwert der Liste.

import numpy as np

a = [10, 20, 30, 80]
b = np.average(a)
c = np.mean(a)
print(b)
print(c)

Der obige Code liefert die folgende Ausgabe.

35.0
35.0

Beide haben jedoch auch ihre einzigartigen Aktionen, wodurch sie sich voneinander unterscheiden.

Die Funktion numpy.average() enthält einen weight-Parameter, der den gewichteten Durchschnitt der gegebenen spezifizierten Array-ähnlichen Struktur berechnen kann; dieses Feature fehlt in der Funktion numpy.mean().

Darüber hinaus hat die Funktion numpy.mean() einen dtype-Parameter, der es ermöglicht, dass die Funktion nicht nur mit Zahlen, sondern mit mehrdeutigen Objekten arbeitet, die an die Funktion übergeben werden können. Die Funktion numpy.average() hingegen fehlt dieses Feature und funktioniert nur für Integer.

Zu beachten ist auch, dass die Funktion numpy.mean() Masken berücksichtigt, was bedeutet, dass der mit Hilfe dieser Funktion berechnete Mittelwert nur die unmaskierten Werte berücksichtigt. Der numpy.average() berücksichtigt jedoch nicht das Konzept von Masken.