Python中计算数组平均值的mean()函数详解

在Python中，我们可以使用ndarray对象的mean()函数来计算数组的平均值。ndarray是NumPy库中定义的多维数组对象，它提供了许多用于数组操作的函数。

mean()函数的语法如下：

numpy.mean(a, axis=None, dtype=None, out=None, keepdims=<no value>)

参数说明：

- a：输入的数组

- axis：指定计算平均值的轴。如果没有指定，计算整个数组的平均值。

- dtype：指定返回的数据类型，默认为None，即返回结果的数据类型和输入数组一致。

- out：指定计算结果的存储位置，默认为None，即在新的数组中返回结果。

- keepdims：如果设置为True，则保持计算结果的维度不变。默认为False。

接下来，我们通过几个示例来详细说明mean()函数的使用。

**示例1：计算整个数组的平均值**

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
average = np.mean(arr)
print("数组的平均值为：", average)

输出：

数组的平均值为： 3.0

在示例1中，我们首先导入了NumPy库，并创建了一个包含5个元素的一维数组arr。然后，我们使用mean()函数计算了整个数组的平均值，并将结果打印出来。

**示例2：计算二维数组各行的平均值**

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
averages = np.mean(arr, axis=1)
print("各行的平均值为：", averages)

输出：

各行的平均值为： [2. 5. 8.]

在示例2中，我们创建了一个包含3行3列的二维数组arr。然后，我们使用mean()函数计算了各行的平均值，并将结果打印出来。注意，通过指定axis参数为1，我们告诉mean()函数按行计算平均值。

**示例3：计算二维数组各列的平均值**

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
averages = np.mean(arr, axis=0)
print("各列的平均值为：", averages)

输出：

各列的平均值为： [4. 5. 6.]

在示例3中，我们继续使用示例2中定义的二维数组arr。这次，我们使用mean()函数计算了各列的平均值，并将结果打印出来。注意，通过指定axis参数为0，我们告诉mean()函数按列计算平均值。

**示例4：保持计算结果的维度不变**

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
averages = np.mean(arr, axis=1, keepdims=True)
print("各行的平均值为：", averages)

输出：

各行的平均值为： [[2.]
 [5.]
 [8.]]

在示例4中，我们继续使用示例2中定义的二维数组arr，并且使用keepdims参数设为True。这次，我们可以看到计算结果的维度保持不变，即每个平均值都是一个包含一个元素的一维数组。

最后，mean()函数还可以按多个轴计算平均值，具体用法请参考NumPy官方文档。

在本篇文章中，我们详细介绍了在Python中使用mean()函数计算数组平均值的方法，并给出了相应的示例。根据实际需求，我们可以根据不同的参数设置来灵活计算数组的平均值。