Fonction Python numpy.average()

1. Fonction Python numpy.average()
2. Implémenter la fonction numpy.average() en Python
3. Comparaisons avec la fonction numpy.mean()

Les différentes fonctions fournies par la bibliothèque NumPy sont largement utilisées pour aider dans différents domaines lors du codage en Python. L’une d’entre elles est la fonction numpy.average(), qui fera l’objet de cet article.

Ce tutoriel présente la fonction numpy.average() et comment elle peut être implémentée en Python à l’aide de la bibliothèque NumPy.

Fonction Python numpy.average()

La fonction numpy.average(), comme son nom l’indique, figure dans la liste des fonctions fournies par la bibliothèque NumPy, qui est une bibliothèque importante et populaire qui permet de traiter facilement les nombres et d’effectuer certaines opérations sur ceux-ci. .

En termes simples, la fonction numpy.average() est utilisée pour calculer la moyenne pondérée d’une certaine structure de type tableau le long d’un axe qui doit être spécifié.

La syntaxe de numpy.average() et ses paramètres ont été mentionnés et expliqués ci-dessous pour faciliter la compréhension des lecteurs.

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

Les paramètres liés à cette fonction sont expliqués plus en détail ci-dessous.

1. a - C’est l’objet sur lequel la fonction va opérer. Dans ce cas, il s’agit d’une structure de type tableau. Sinon, un processus de conversion automatique peut être tenté.
2. axis - L’axe ou les axes le long desquels la moyenne doit être calculée est spécifié/stocké dans ce paramètre.
3. weights - Un tableau similaire à la taille de a qui contient respectivement les poids des éléments du tableau a.
4. Les paramètres returned et keepdims sont facultatifs et sans rapport avec les exemples pris dans ce code. Cependant, les deux peuvent être facilement trouvés sur Internet pour les lecteurs curieux.

Implémenter la fonction numpy.average() en Python

L’implémentation de la fonction numpy.average() est simple et peut être facilement comprise par les débutants.

Le code suivant implémente la fonction numpy.average().

import numpy as np

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

Le code ci-dessus fournit la sortie suivante.

35.0

Comparaisons avec la fonction numpy.mean()

À première vue, la fonction numpy.average() et la fonction numpy.mean() semblent effectuer la même tâche, et dans les scénarios de nombres généraux, elles fournissent même les mêmes résultats.

Prenons l’exemple ci-dessus et calculons la moyenne et la moyenne de la liste.

import numpy as np

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

Le code ci-dessus fournit la sortie suivante.

35.0
35.0

Cependant, ces deux éléments ont également leurs actions uniques, ce qui les rend différents les uns des autres.

La fonction numpy.average() contient un paramètre weight, qui peut calculer la moyenne pondérée de la structure de type tableau spécifiée donnée ; cette fonctionnalité manque dans la fonction numpy.mean().

De plus, la fonction numpy.mean() a un paramètre dtype, ce qui lui permet d’être utile pour faire fonctionner la fonction non seulement sur des nombres, mais sur tous les objets ambigus qui peuvent être transmis à la fonction. La fonction numpy.average(), en revanche, n’a pas cette fonctionnalité et ne fonctionne que pour les entiers.

Notons également que la fonction numpy.mean() tient compte des masques, ce qui signifie que la moyenne calculée à l’aide de cette fonction ne considère que les valeurs non masquées. Le numpy.average(), cependant, ne prend pas en compte le concept de masques.