np.mean () vs np.average () dengan Python NumPy?

Saya melihat itu

In [30]: np.mean([1, 2, 3])
Out[30]: 2.0

In [31]: np.average([1, 2, 3])
Out[31]: 2.0

Namun, harus ada beberapa perbedaan, karena bagaimanapun keduanya adalah dua fungsi yang berbeda.

Apa perbedaan di antara mereka?

np.average mengambil parameter bobot opsional. Jika tidak disediakan mereka setara. Lihatlah kode sumber: Mean , Average

np.berarti:

try:
    mean = a.mean
except AttributeError:
    return _wrapit(a, 'mean', axis, dtype, out)
return mean(axis, dtype, out)

np.rata-rata:

...
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 selalu menghitung rata-rata aritmatika, dan memiliki beberapa opsi tambahan untuk input dan output (misalnya tipe data apa yang digunakan, di mana harus menempatkan hasilnya).

np.averagedapat menghitung rata-rata tertimbang jika weightsparameter diberikan.

Dalam beberapa versi numpy ada perbedaan penting yang harus Anda ketahui:

average jangan mengambil topeng akun, jadi hitung rata-rata seluruh set data.

mean mengambil topeng akun, jadi hitung rata-rata hanya di atas nilai yang belum kedok.

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

Dalam doa Anda, kedua fungsi itu sama.

average dapat menghitung rata-rata tertimbang sekalipun.

Tautan dokumen: meandanaverage

Selain perbedaan yang telah dicatat, ada perbedaan lain yang sangat penting yang baru saja saya temukan dengan cara yang sulit: tidak seperti np.mean, np.averagetidak mengizinkan dtypekata kunci, yang penting untuk mendapatkan hasil yang benar dalam beberapa kasus. Saya memiliki array presisi tunggal yang sangat besar yang diakses dari h5file. Jika saya mengambil nilai rata-rata sepanjang sumbu 0 dan 1, saya mendapatkan hasil yang sangat salah kecuali jika saya menentukan dtype='float64':

>T.shape
(4096, 4096, 720)
>T.dtype
dtype('<f4')

m1 = np.average(T, axis=(0,1))                #  garbage
m2 = np.mean(T, axis=(0,1))                   #  the same garbage
m3 = np.mean(T, axis=(0,1), dtype='float64')  # correct results

Sayangnya, kecuali Anda tahu apa yang harus dicari, Anda tidak dapat selalu mengatakan bahwa hasil Anda salah. Saya tidak akan pernah menggunakan np.averagelagi karena alasan ini tetapi akan selalu digunakan np.mean(.., dtype='float64')pada array besar. Jika saya ingin rata-rata tertimbang, saya akan menghitungnya secara eksplisit menggunakan produk dari vektor bobot dan array target dan kemudian salah satu , np.sumatau np.meansesuai (dengan presisi yang sesuai juga).