numpy mean 函数的参数“a”如何工作？答案

【问题标题】：How does the parameter 'a' of the numpy mean function work?numpy mean 函数的参数“a”如何工作？
【发布时间】：2017-01-26 08:36:46
【问题描述】：

我是 python 和 numpy 的新手，我无法理解 mean 函数的参数。

我这样定义我的数据。

mean = [2, 0.5]
cov = [[0.8, 0.1],[0.1, 0.5]]
np.random.seed(17)
C1 = np.random.multivariate_normal(mean, cov,50).T

现在我想近似平均值。我这样做：

C1.mean(1)
// returns array([ 1.81203223,  0.45002797])

我对这个解决方案感到困惑，因为我无法理解参数概念。

numpy.mean 状态的文档：

a : array_like 包含需要均值的数字的数组。如果一个是不是数组，尝试转换。

对我来说，这听起来像是调用此函数的正常方式 numpy.mean(C1) 导致

(1.1310301021862881)

类似地使用不带参数的 C1 也会产生单个值。不知道为什么？

 C1.mean()    
 //returns array(1.1310301021862881)

【问题讨论】：

标签： python numpy

【解决方案1】：

这里涉及两个不同的功能：

第一个类似于np.mean(C1)。第二个像C1.mean() 一样使用并且做同样的事情。但是当你说C1.mean(1) 时，1 被用作axis 参数，它给你一个向量而不是一个标量结果。

【讨论】：

【解决方案2】：

为了避免概念上的混淆，我将更改您的 mean 变量名：

In [794]: mparam = [2, 0.5]
In [795]: cov = [[0.8, 0.1],[0.1, 0.5]]
In [796]: np.random.seed(17)
In [797]: C1 = np.random.multivariate_normal(mparam, cov,50).T
In [798]: C1.shape
Out[798]: (2, 50)

所以你的C1 数组是二维的； 2 来自mparam 的大小，50 来自normal 的第三个参数。

看method版本mean的docs：

In [799]: C1.mean?
Docstring:
a.mean(axis=None, dtype=None, out=None, keepdims=False)

Returns the average of the array elements along given axis.

Refer to `numpy.mean` for full documentation.

See Also
--------
numpy.mean : equivalent function
Type:      builtin_function_or_method

C1.mean(1) 调用它，第一个参数是1；让我们对关键字版本做同样的事情：

In [800]: C1.mean(axis=1)
Out[800]: array([ 1.81203223,  0.45002797])

mean的函数版本相同，只是第一个参数是数组本身：

In [801]: np.mean(C1, axis=1)
Out[801]: array([ 1.81203223,  0.45002797])

如果方法和函数之间的区别令人困惑，您需要复习一些关于类定义的 Python 基础知识。

C.mean() 离开 axis=None，它的默认值。 np.mean 的文档提供了有关此 axis 参数的更多详细信息。如果None（即未提供），则取C1 的所有100 个值的平均值，得到一个值。对于axis=1，它取C1 每一行的平均值，因此是2 个值。

更详细地讨论axis 参数在mean 和sum 等函数中的含义： Sum along axis in numpy array

【讨论】：