参考:https://blog.csdn.net/m0_37561765/article/details/78187700


首先官网里有写: 
numpy.mean(a, axis=None, dtype=None, out=None, keepdims= ) 
Compute the arithmetic mean along the specified axis.

axis : None or int or tuple of ints, optional 
Axis or axes along which the means are computed. The default is to compute the mean of the flattened array.

这里就说明axis值为整数或者元组(类似于(0,1,2))这种。 
对于二维的矩阵,axis只有0,1两个参数,其中axis=0为按列求平均,axis=1为按行求平均,不给出axis不是默认axis为0,而是把所有元素加起来求平均. 
       在这里引用博客里最多的一句话,axis等于几,就理解成对那一维值进行压缩,如一个3×2的矩阵,axis=0,则输出为1*2的向量,对列进行操作。同理对4维tensor如[128,28,28,3] 设置axis=(0,1,2)输出为[1,1,1,3]沿着最后一个维度取平均。

import numpy as np
X = np.array([[1, 2], [3, 4], [5, 6]])
print np.mean(X, axis=0, keepdims=True)
print np.mean(X, axis=1, keepdims=True)
print np.mean(X)
  • 1
  • 2
  • 3
  • 4
  • 5

运行结果如下

[[ 3.  4.]][[ 1.5][ 3.5][ 5.5]]3.5
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7

方差同理:

import numpy as np
X = np.array([[1, 2], [3, 4], [5, 6]])
print np.var(X, axis=0, keepdims=True)
print np.var(X, axis=1, keepdims=True)
print np.var(X)运行结果如下:[[ 2.66666667  2.66666667]]
[[ 0.25][ 0.25][ 0.25]]
2.91666666667
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13

应该注意的是方差的特殊性,对行和列求的的方差进行平均不等于整体数据的方差,用np.var要搞清楚所求的到底是什么?

import numpy as np
X = np.array([[1, 4], [3, 8], [5, 9]])
print np.var(X, axis=0, keepdims=True)
print np.var(X, axis=1, keepdims=True)
print np.var(X)
print np.mean(np.var(X, axis=0))
print np.mean(np.var(X, axis=1))运行结果如下:[[ 2.66666667  4.66666667]]
[[ 2.25][ 6.25][ 4.  ]]
7.66666666667
3.66666666667
4.16666666667
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17

Numpy学习之——numpy.mean中axis参数用法相关推荐

  1. numpy.sum中axis参数用法解析

    已知numpy的对象为数组,当数组的维度为n时,axis的取值范围为range(n). 又知numpy是对元素进行操作,当axis取特定值时,即相应指令对该维度元素进行操作.示例如下: data = ...

  2. python中ndarray对象实例化_Python数据分析之Numpy学习 2——NumPy 基础 ndarray对象

    Python数据分析之Numpy学习 2 -- NumPy 基础学习 NumPy(Numerical Python)是高性能科学计算和数据分析的基础包.NumPy的主要对象是同构数据多维容器(homo ...

  3. python 函数参数self_Python类中self参数用法详解

    Python编写类的时候,每个函数参数第一个参数都是self,一开始我不管它到底是干嘛的,只知道必须要写上.后来对Python渐渐熟悉了一点,再回头看self的概念,似乎有点弄明白了. 首先明确的是s ...

  4. 【SpringMVC学习05】SpringMVC中的参数绑定总结——较乱后期准备加入 同一篇幅他人的参数绑定...

    众所周知,springmvc是用来处理页面的一些请求,然后将数据再通过视图返回给用户的,前面的几篇博文中使用的都是静态数据,为了能快速入门springmvc,在这一篇博文中,我将总结一下springm ...

  5. matlab 如何axis,在matlab中axis是什么意思,matlab中axis的用法

    在matlab中axis是什么意思轴在matlab中是什么意思,matlab中的Axis是指在绘图中通常使用axis函数来设置坐标值的范围,在matlab的命令窗口中输入doc轴或help轴即可获得该 ...

  6. matlab在axis,matlab中axis的用法

    >> axis([0 2*pi -0.9 0.9]) 图 5.1.3 使用了图形修饰的 plot 函数绘制的正弦曲线 5.1.3 图形的比较显示 在一般默认的情况下,MATLAB 每次使用 ...

  7. softmax中axis参数

    从caffe中我们看到softmax有下面这些参数 // Message that stores parameters used by SoftmaxLayer, SoftmaxWithLossLay ...

  8. python Dataframe apply()自定义函数中axis参数

    缺少axis=1,会报错,提交次数错误,让你百思不得其解. df_date.apply()函数难道不是默认用于列的吗?_? df_data_dep = df_work_data[df_work_dat ...

  9. Matlab中 axis 函数用法总结

    axis--设置坐标轴 [功能]对坐标轴进行标定. [语法介绍] axis( [xmin xmax ymin ymax] ) 设置当前二维图形对象的 x 轴 和 y 轴的取值范围.向量参数[xmin ...

最新文章

  1. ipmsg 绑定tcp错误
  2. python构造一个二叉树_如何用python构造一个n层的完全二叉树
  3. 基于plc计算机控制系统,基于PLC的工业控制系统特点的分析
  4. gitlab10.x迁移_1.x到2.x的迁移:可观察与可观察:RxJava FAQ
  5. 神奇的x -x,Lowbit函数的实现方式!
  6. 【Python基础知识-pycharm版】第二节-赋值/数据类型/时间点/运算符/字符串
  7. 明晚8点直播丨 Oracle RMAN 单实例异机迁移恢复(版本:11gR2)
  8. 【LeetCode】剑指 Offer 37. 序列化二叉树
  9. 卷积神经网络训练准确率突然下降_详解卷积神经网络:手把手教你训练一个新项目...
  10. Oracle内存管理(五)
  11. 闲置光猫改成无线打印服务器,简单几步,让闲置路由器变身专业无线AP-无线ap设置...
  12. 金蝶云星空python二开根据物料旧编码链接物料编码做单据
  13. SCUT J.O: 百步梯
  14. python生成加密exe_python加密保护-加密exe文件
  15. USB对拷线Linux,USB对拷线设置教程
  16. 从《如何在只有一份错误的协议的情况下,做好网络编程》论人品的重要性
  17. 推进BI国产化替代,永洪科技新产品性能提升200%
  18. CKEditor 4使用方法,来自http://docs.ckeditor.com/#!/guide/dev_ckeditor_js_load官网地址
  19. selenium打开网页被检测,怎么屏蔽和绕过
  20. taro tabBar的设置,设置tabbar的文字,设置tabbar的图标

热门文章

  1. 【洛谷3043】跳楼机(最短路)
  2. 千牛挂“虹(Rainbow)”,域和角色不胜数
  3. Python常见笔/面试题
  4. 【解决方法】屏幕滚动时文字短暂变蓝
  5. 老大告诉我不要用字符串存IP地址,不兴~
  6. 云流化助力虚拟展厅,更炫酷的展示方案
  7. 测试是ufs3.0的软件,可怕!UFS 3.0测试首曝光:速度竟是UFS 2.1的3倍
  8. PHP windoews调用OpenOffice实现word/ppt转PDF-附带demo
  9. 凡亿教育发布电子工程师利器:IC封装网 V.1.0
  10. SystemVerilog学习-10-验证量化和覆盖率