我注意到了
In [30]: np.mean([1, 2, 3])
Out[30]: 2.0
In [31]: np.average([1, 2, 3])
Out[31]: 2.0
但是,应该存在一些差异,因为毕竟它们是两个不同的功能。
它们之间有什么区别?
np.average采用可选的权重参数。如果没有提供它们是等效的。看看源代码:Mean,Average
np.mean:
try:
mean = a.mean
except AttributeError:
return _wrapit(a, 'mean', axis, dtype, out)
return mean(axis, dtype, out)
np.average:
...
if weights is None :
avg = a.mean(axis)
scl = avg.dtype.type(a.size/avg.size)
else:
#code that does weighted mean here
if returned: #returned is another optional argument
scl = np.multiply(avg, 0) + scl
return avg, scl
else:
return avg
...
np.mean
总是计算算术平均值,并且还有一些输入和输出的附加选项(例如,要使用的数据类型,放置结果的位置)。
如果提供np.average
参数,weights
可以计算加权平均值。
在某些版本的numpy中,您必须注意另一个重要的区别:
average
不会考虑帐户掩码,因此计算整个数据集的平均值。
mean
接受帐户掩码,因此仅计算未屏蔽值的均值。
g = [1,2,3,55,66,77]
f = np.ma.masked_greater(g,5)
np.average(f)
Out: 34.0
np.mean(f)
Out: 2.0