Python3——numpy中mean和average的区别

mean和average都是计算均值的函数，在不指定权重的时候average和mean是一样的。指定权重后，average可以计算一维的加权平均值。具体如下：

import numpy as np
a = np.array([np.random.randint(0, 20, 5), np.random.randint(0, 20, 5)])
print('原始数据\n', a)
print('mean函数'.center(20, '*'))
print('对所有数据计算\n', a.mean())
print('axis=0，按行方向计算，即每列\n', a.mean(axis=0))  # 按行方向计算，即每列
print('axis=1，按列方向计算，即每行\n', a.mean(axis=1))  # 按列方向计算，即每行
print('average函数'.center(20, '*'))
print('对所有数据计算\n', np.average(a))
print('axis=0，按行方向计算，即每列\n', np.average(a, axis=0))  # 按行方向计算，即每列
print('axis=1，按列方向计算，即每行\n', np.average(a, axis=1))  # 按列方向计算，即每行
b = np.array([1, 2, 3, 4])
wts = np.array([4, 3, 2, 1])
print('不指定权重\n', np.average(b))
print('指定权重\n', np.average(b, weights=wts))

运行结果：

原始数据
 [[10 12  7 14  5]
 [12 10  2 16  7]]
*******mean函数*******
对所有数据计算
 9.5
axis=0，按行方向计算，即每列
 [ 11.   11.    4.5  15.    6. ]
axis=1，按列方向计算，即每行
 [ 9.6  9.4]
*****average函数******
对所有数据计算
 9.5
axis=0，按行方向计算，即每列
 [ 11.   11.    4.5  15.    6. ]
axis=1，按列方向计算，即每行
 [ 9.6  9.4]
不指定权重
 2.5
指定权重
 2.0