Python numpy.average() 函式

1. Python numpy.average() 函式
2. 在 Python 中實現 numpy.average() 函式
3. 與 numpy.mean() 函式的比較

NumPy 庫提供的幾個函式被廣泛用於在 Python 編碼時幫助不同領域。其中之一是 numpy.average() 函式，這將是本文的重點。

本教程討論了 numpy.average() 函式以及如何藉助 NumPy 庫在 Python 中實現它。

Python numpy.average() 函式

numpy.average() 函式，顧名思義，是 NumPy 庫提供的函式列表下的功能，這是一個重要且流行的庫，可以輕鬆處理數字並對其執行某些操作.

簡單來說，numpy.average() 函式用於計算某個類陣列結構沿需要指定的軸的加權平均值。

numpy.average() 的語法及其引數已在下面提到和解釋，以便於讀者理解。

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

與此功能相關的引數將在下面進一步說明。

1. a - 它是函式將在其上執行的物件。在這種情況下，它是一個類似陣列的結構。如果沒有，可能會嘗試自動轉換過程。
2. axis - 必須沿其計算平均值的一個或多個軸在此引數中指定/儲存。
3. weights - 一個類似於 a 大小的陣列，分別包含陣列 a 中元素的權重。
4. 引數 returned 和 keepdims 是可選的，與此程式碼中的示例無關。但是，對於好奇的讀者來說，兩者都可以在網際網路上輕鬆找到。

在 Python 中實現 numpy.average() 函式

實現 numpy.average() 函式很簡單，初學者很容易理解。

以下程式碼實現了 numpy.average() 函式。

import numpy as np

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

上面的程式碼提供了以下輸出。

35.0

與 numpy.mean() 函式的比較

乍一看，numpy.average() 函式和 numpy.mean() 函式看起來執行相同的任務，在一般數字場景中，它們甚至提供相同的結果。

讓我們以上面的例子計算列表的平均值和平均值。

import numpy as np

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

上面的程式碼提供了以下輸出。

35.0
35.0

但是，這兩者也有其獨特的作用，這使得它們彼此不同。

numpy.average() 函式包含一個 weight 引數，可以計算給定指定類陣列結構的加權平均值； numpy.mean() 函式中缺少此功能。

此外，numpy.mean() 函式有一個 dtype 引數，這使得它可以用於使函式不僅適用於數字，而且適用於可能傳遞給函式的任何模稜兩可的物件。另一方面，numpy.average() 函式缺少此功能，僅適用於整數。

我們還應該注意，numpy.mean() 函式將掩碼考慮在內，這意味著藉助此函式計算的平均值僅考慮未掩碼的值。然而，numpy.average() 不包含掩碼的概念。