Función Python numpy.average()

1. Función numpy.average() de Python
2. Implementar la función numpy.average() en Python
3. Comparaciones con la función numpy.mean()

Las diversas funciones proporcionadas por la biblioteca NumPy se utilizan ampliamente para ayudar en diferentes campos mientras se codifica en Python. Una de ellas es la función numpy.average(), que será el tema central de este artículo.

Este tutorial analiza la función numpy.average() y cómo se puede implementar en Python con la ayuda de la biblioteca NumPy.

Función numpy.average() de Python

La función numpy.average(), como sugiere su nombre, aparece en la lista de funciones proporcionadas por la biblioteca NumPy, que es una biblioteca importante y popular que facilita el manejo de números y la realización de ciertas operaciones con ellos. .

En términos simples, la función numpy.average() se utiliza para calcular el promedio ponderado de una determinada estructura similar a una matriz a lo largo de un eje que debe especificarse.

La sintaxis de numpy.average() y sus parámetros se mencionan y explican a continuación para facilitar la comprensión de los lectores.

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

Los parámetros relacionados con esta función se explican más adelante.

1. a - Es el objeto sobre el que operará la función. En este caso, es una estructura similar a una matriz. De lo contrario, se puede intentar un proceso de conversión automática.
2. axis: en este parámetro se especifica/almacena el eje o los ejes a lo largo de los cuales se debe calcular el promedio.
3. weights: una matriz similar al tamaño de a que contiene los pesos de los elementos en la matriz a respectivamente.
4. Los parámetros returned y keepdims son opcionales e irrelevantes para los ejemplos tomados en este código. Sin embargo, ambos se pueden encontrar fácilmente en Internet para lectores curiosos.

Implementar la función numpy.average() en Python

Implementar la función numpy.average() es sencillo y los principiantes pueden entenderlo fácilmente.

El siguiente código implementa la función numpy.average().

import numpy as np

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

El código anterior proporciona el siguiente resultado.

35.0

Comparaciones con la función numpy.mean()

A primera vista, tanto la función numpy.average() como la función numpy.mean() parecen realizar la misma tarea y, en escenarios generales de números, incluso proporcionan los mismos resultados.

Tomemos el ejemplo anterior y calculemos el promedio y la media de la lista.

import numpy as np

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

El código anterior proporciona el siguiente resultado.

35.0
35.0

Sin embargo, ambos también tienen sus acciones únicas, lo que los hace diferentes entre sí.

La función numpy.average() contiene un parámetro weight, que puede calcular el promedio ponderado de la estructura tipo matriz especificada dada; esta característica falta en la función numpy.mean().

Además, la función numpy.mean() tiene un parámetro dtype, que le permite ser útil para hacer que la función funcione no solo con números, sino también con cualquier objeto ambiguo que pueda pasarse a la función. La función numpy.average(), por otro lado, carece de esta función y solo funciona para números enteros.

También debemos tener en cuenta que la función numpy.mean() tiene en cuenta las máscaras, lo que significa que la media calculada con la ayuda de esta función solo considera los valores no enmascarados. El numpy.average(), sin embargo, no toma en cuenta el concepto de máscaras.