Python NumPyのnp​​.mean（）とnp.average（）？

それに気づく

In [30]: np.mean([1, 2, 3])
Out[30]: 2.0

In [31]: np.average([1, 2, 3])
Out[31]: 2.0

ただし、やはり2つの異なる関数であるため、いくつかの違いがあるはずです。

それらの違いは何ですか？

np.averageはオプションの重みパラメータを取ります。指定されていない場合は同等です。ソースコードを見てください：平均、平均

np.mean：

try:
    mean = a.mean
except AttributeError:
    return _wrapit(a, 'mean', axis, dtype, out)
return mean(axis, dtype, out)

np.average：

...
if weights is None :
    avg = a.mean(axis)
    scl = avg.dtype.type(a.size/avg.size)
else:
    #code that does weighted mean here

if returned: #returned is another optional argument
    scl = np.multiply(avg, 0) + scl
    return avg, scl
else:
    return avg
...

np.mean 常に算術平均を計算し、入力と出力のいくつかの追加オプションがあります（たとえば、使用するデータ型、結果の配置場所）。

np.averageweightsパラメータが指定されている場合、加重平均を計算できます。

numpyの一部のバージョンではは、注意が必要な別の重要な違いがあります。

average マスクは考慮しないため、データセット全体の平均を計算します。

mean マスクを考慮に入れるため、マスクされていない値の平均のみを計算します。

g = [1,2,3,55,66,77]
f = np.ma.masked_greater(g,5)

np.average(f)
Out: 34.0

np.mean(f)
Out: 2.0

呼び出しでは、2つの関数は同じです。

average ただし、加重平均を計算できます。

Docリンク：meanおよびaverage

すでに述べた違いに加えて、今私が今困難な方法で発見したもう1つの非常に重要な違いがあります：とは異なりnp.mean、キーワードをnp.average許可しませんdtype。h5ファイルからアクセスされる非常に大きな単精度配列があります。軸0と1に沿って平均を取ると、以下を指定しない限り、非常に不正確な結果が得られますdtype='float64'。

>T.shape
(4096, 4096, 720)
>T.dtype
dtype('<f4')

m1 = np.average(T, axis=(0,1))                #  garbage
m2 = np.mean(T, axis=(0,1))                   #  the same garbage
m3 = np.mean(T, axis=(0,1), dtype='float64')  # correct results

残念ながら、何を探すべきかわからない限り、結果が間違っているとは必ずしも言えません。np.averageこの理由で二度と使用することはありませんがnp.mean(.., dtype='float64')、大規模な配列では常に使用します。加重平均が必要な場合は、加重ベクトルとターゲット配列の積を使用して明示的に計算し、適切な精度で、np.sumまたはのいずれかnp.meanを適宜使用します。