El método numpy.mean() se encarga de calcular la media aritmética (promedio) de los elementos en una matriz o a lo largo de un eje específico de una matriz multidimensional.
Sintaxis numpy.mean()
numpy.mean(a, axis=None, dtype=None, out=None, keepdims=<no value>, *, where=<no value>)
Parámetros numpy.mean()
- a: la matriz de entrada o una secuencia que se puede convertir en una matriz.
- axis: El eje a lo largo del cual se calculan las medias. De forma predeterminada, es None y la media se calcula para la matriz aplanada.
- dtype: El tipo de datos a utilizar en el cálculo. De forma predeterminada, es None y se utiliza el tipo de datos de la matriz de entrada.
- out: una matriz de salida opcional para almacenar el resultado.
- keepdims: si se establece en True, los ejes reducidos se dejan en el resultado como dimensiones con tamaño uno. El valor predeterminado es False.
Ejemplo
import numpy as np
# Sample 1D array
arr_1d = np.array([1, 2, 3, 4, 5])
# Calculate the mean of the 1D array
mean_1d = np.mean(arr_1d)
print("Mean of the 1D array:", mean_1d)
# Sample 2D array
arr_2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
# Calculate the mean of the 2D array
mean_2d = np.mean(arr_2d)
print("\nMean of the 2D array:", mean_2d)
# Calculate the mean along axis 0 (columns) of the 2D array
mean_axis_0 = np.mean(arr_2d, axis=0)
print("\nMean along axis 0 (columns) of the 2D array:", mean_axis_0)
# Calculate the mean along axis 1 (rows) of the 2D array
mean_axis_1 = np.mean(arr_2d, axis=1)
print("\nMean along axis 1 (rows) of the 2D array:", mean_axis_1)
Producción
Mean of the 1D array: 3.0
Mean of the 2D array: 5.0
Mean along axis 0 (columns) of the 2D array: [4. 5. 6.]
Mean along axis 1 (rows) of the 2D array: [2. 5. 8.]
En este ejemplo, se calcula la media de una matriz 1D, una matriz 2D y las medias a lo largo del eje 0 (columnas) y el eje 1 (filas) de una matriz 2D usando el método numpy.mean() .
Relacionado
Vulture: Encuentra el código muerto en Python Vulture encuentra código no utilizado dentro de código creado con Python. Esto es útil para limpiar y encontrar errores en bases de código grandes. Debido a la naturaleza dinámica de Python, es probable que los analizadores de código estático como Vulture no detecten algún código muerto. Además, el código que solo se llama implícitamente puede ser notificado como código no utilizado. No obstante, Vulture puede ser ¡SEGUIR LEYENDO!
Vidgear: Librería de Python para el procesamiento de vídeo VidGear es una poderosa biblioteca de procesamiento de video en Python construida con Gears de subprocesos múltiples, cada uno con un conjunto único de características innovadoras. Estas API proporcionan un contenedor fácil de usar, altamente extensible y multihilo alrededor de muchas bibliotecas subyacentes de última generación como OpenCV ➶, FFmpeg ➶, picamera ➶, pafy ➶, pyzmq ➶ y python-mss ➶. El siguiente diagrama de bloques funcional ¡SEGUIR LEYENDO!
Uscrapper: Raspador web OSINT de recopilación de datos personales Presentamos Uscrapper 2.0, un potente webscrapper OSINT que permite a los usuarios extraer diversa información personal de un sitio web. Aprovecha técnicas de raspado web y expresiones regulares para extraer direcciones de correo electrónico, enlaces de redes sociales, nombres de autores, ubicaciones geográficas, números de teléfono y nombres de usuario de fuentes con y sin hipervínculos en la página web, admite subprocesos múltiples para acelerar este ¡SEGUIR LEYENDO!
Thonny: Un Ide de Python específico para principiantes y Raspberry Pi Thonny es un nuevo IDE de Python para aprender y enseñar programación que puede hacer que la visualización de programas sea una parte natural del flujo de trabajo de los principiantes. Entre sus características destacadas se encuentran diferentes formas de recorrer el código, la evaluación paso a paso de la expresión, la visualización intuitiva de la pila de llamadas y un modo para explicar los conceptos ¡SEGUIR LEYENDO!
