迹忆客 专注技术分享

NumPy 库提供的几个函数被广泛用于在 Python 编码时帮助不同领域。其中之一是 numpy.average() 函数，这将是本文的重点。

本教程讨论了 numpy.average() 函数以及如何借助 NumPy 库在 Python 中实现它。

Python numpy.average() 函数

numpy.average() 函数，顾名思义，是 NumPy 库提供的函数列表下的功能，这是一个重要且流行的库，可以轻松处理数字并对其执行某些操作.

简单来说，numpy.average() 函数用于计算某个类数组结构沿需要指定的轴的加权平均值。

numpy.average() 的语法及其参数已在下面提到和解释，以便于读者理解。

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

与此功能相关的参数将在下面进一步说明。

1. a - 它是函数将在其上运行的对象。在这种情况下，它是一个类似数组的结构。如果没有，可能会尝试自动转换过程。
2. axis - 必须沿其计算平均值的一个或多个轴在此参数中指定/存储。
3. weights - 一个类似于 a 大小的数组，分别包含数组 a 中元素的权重。
4. 参数 returned 和 keepdims 是可选的，与此代码中的示例无关。但是，对于好奇的读者来说，两者都可以在互联网上轻松找到。

在 Python 中实现 numpy.average() 函数

实现 numpy.average() 函数很简单，初学者很容易理解。

以下代码实现了 numpy.average() 函数。

import numpy as np

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

上面的代码提供了以下输出。

35.0

与 numpy.mean() 函数的比较

乍一看，numpy.average() 函数和 numpy.mean() 函数看起来执行相同的任务，在一般数字场景中，它们甚至提供相同的结果。

让我们以上面的例子计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)

上面的代码提供了以下输出。

35.0
35.0

但是，这两者也有其独特的作用，这使得它们彼此不同。

numpy.average() 函数包含一个 weight 参数，可以计算给定指定类数组结构的加权平均值； numpy.mean() 函数中缺少此功能。

此外，numpy.mean() 函数有一个 dtype 参数，这使得它可以用于使函数不仅适用于数字，而且适用于可能传递给函数的任何模棱两可的对象。另一方面，numpy.average() 函数缺少此功能，仅适用于整数。

我们还应该注意，numpy.mean() 函数将掩码考虑在内，这意味着借助此函数计算的平均值仅考虑未掩码的值。然而，numpy.average() 不包含掩码的概念。