np.mean 是 numpy 库中的一个函数，用于计算给定数组或数组元素的算术平均值（即均值）。算术平均值是所有数值加总后除以数值的数量得到的结果。它是一个常用的统计量，用来表示一组数据的中心趋势。
函数原型
numpy.mean(a, axis=none, dtype=none, out=none, keepdims=<no value>)
参数说明
a: 输入的数据，可以是一维或多维数组。axis: 指定沿着哪个轴计算平均值。默认为none，表示将数组展平成一维数组后计算平均值。如果指定了轴（如0或1），则沿着指定轴计算每列或每行的平均值。dtype: 用于计算均值的类型。默认情况下，对于整数类型的输入，使用float64，而对于浮点数类型的输入，则使用与输入相同的类型。out: 可选参数，用于存储结果的备选数组。其形状必须与预期输出的形状匹配。keepdims: 如果设置为true，那么被计算的轴将是保持维度为1的尺寸。这在希望结果广播回原始数组时非常有用。
示例
计算一维数组的平均值
import numpy as np
data = np.array([1, 2, 3, 4, 5])
mean_value = np.mean(data)
print("mean:", mean_value) # 输出: mean: 3.0
计算二维数组的平均值
import numpy as np
data = np.array([[1, 2, 3], [4, 5, 6]])
mean_all = np.mean(data) # 不指定axis，计算整个数组的平均值
mean_axis_0 = np.mean(data, axis=0) # 沿着第一个轴（列）计算平均值
mean_axis_1 = np.mean(data, axis=1) # 沿着第二个轴（行）计算平均值
print("mean of all elements:", mean_all) # 输出: mean of all elements: 3.5
print("mean along axis 0 (columns):", mean_axis_0) # 输出: mean along axis 0 (columns): [2.5 3.5 4.5]
print("mean along axis 1 (rows):", mean_axis_1) # 输出: mean along axis 1 (rows): [2. 5.]
通过这些示例可以看出，np.mean 是一种简单而强大的方法，用于计算各种类型和大小的数组的平均值。这对于数据分析、机器学习等应用中处理和理解数据集非常有用。
到此这篇关于numpy库中np.mean的具体使用的文章就介绍到这了,更多相关numpy np.mean内容请搜索代码网以前的文章或继续浏览下面的相关文章希望大家以后多多支持代码网！