numpy.mean() 对于axis的理解

最新推荐文章于 2024-02-17 23:48:45 发布

皮特爱学习

最新推荐文章于 2024-02-17 23:48:45 发布

阅读量954

点赞数 1

分类专栏： python_study

原文链接：https://blog.csdn.net/Zed__H/article/details/81366073

版权

python_study 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

本文详细介绍了numpy库中mean()函数在处理三维数组时如何根据axis参数进行平均计算。通过示例展示了对单一轴以及多个轴进行平均操作的效果，特别适用于气象栅格数据的处理。对于axis=0、1、2的平均运算，以及对任意两个轴的组合运算，均有清晰的解释和代码展示。

摘要由CSDN通过智能技术生成

本文转载于链接：https://blog.csdn.net/Zed__H/article/details/81366073

1.numpy.mean() 函数功能

numpy.mean(a, axis=None, dtype=None, out=None, keepdims=)
最重要的是对axis的理解，尤其是二维和三维数组，针对气象栅格数据处理时尤为重要，直接上代码！本文对原作顺序做出稍微调整，以便更好的理解！

2. 对axis的理解

(1)构建三维数组

>>> a = np.arange(30).reshape(2,3,5)
>>> a
array([[[ 0,  1,  2,  3,  4],
        [ 5,  6,  7,  8,  9],
        [10, 11, 12, 13, 14]],
        
       [[15, 16, 17, 18, 19],
        [20, 21, 22, 23, 24],
        [25, 26, 27, 28, 29]]])

(2)对单一轴（axis=0,1,2）求平均

>>> np.mean(a,0)   #沿axis=0的轴分别运算平均，剩下的shape 为（axis=1，axis=2）的维度(3,5)
array([[ 7.5,  8.5,  9.5, 10.5, 11.5],
       [12.5, 13.5, 14.5, 15.5, 16.5],
       [17.5, 18.5, 19.5, 20.5, 21.5]])
>>> np.mean(a,1)  #沿axis=1的轴分别运算平均，剩下的shape 为（axis=0，axis=2）的维度(2,5)
array([[ 5.,  6.,  7.,  8.,  9.],
       [20., 21., 22., 23., 24.]])
>>> np.mean(a,2)    #沿axis=2的轴分别运算平均,剩下的shape 为（axis=0，axis=1）的维度(2,3)
array([[ 2.,  7., 12.],
       [17., 22., 27.]])

(2)对其中两个轴求平均

>>> np.mean(a,(0,1))   #分别沿axis=0, axis=1的轴分别运算平均，剩下的shape 为axis=2的维度（5，）
array([12.5, 13.5, 14.5, 15.5, 16.5])
>>> np.mean(a,(0,2)) #分别沿axis=0，axis=2的轴分别运算平均,剩下的shape 为（axis=1，）的维度(3,)
array([ 9.5, 14.5, 19.5])
>>> np.mean(a,(1,2)) #分别沿axis=1，axis=2的轴分别运算平均,剩下的shape 为（axis=0，）的维度(2,)
array([7],[22])