NumPy教程-numpy.average()在Python中的使用
Python的numpy模块提供了一个名为numpy.average()的函数，用于沿指定轴计算加权平均值。
语法：
numpy.average(a, axis=None, weights=None, returned=False)参数：
x: array_like
这个参数定义了要计算平均值的源数组。如果'x'是一个数组，将尝试进行转换。
axis: int或None或int元组（可选）
这个参数定义了计算平均值的轴。默认情况下，轴被设置为None，将计算源数组的所有元素的平均值。当axis的值为负数时，计数从末尾到起始轴开始。
weights : array_like（可选）
这个参数定义了一个包含与数组值关联的权重的数组。数组元素的每个值都会根据其关联的权重进行平均。加权数组可以是一维的，也可以与输入数组具有相同的形状。当数组元素没有关联的权重时，权重将对所有元素均视为1。
returned: bool（可选）
默认情况下，这个参数设置为False。如果设置为True，将返回平均值和权重的总和的元组。如果为False，则只返回平均值。如果权重没有值，加权和等同于元素数量。
返回值：
retval, [sum_of_weights]: array_type或double
这个函数返回平均值或平均值和权重总和，具体取决于返回参数。
异常：
ZeroDivisionError
当沿轴的所有权重都设置为零时，会引发此错误。
TypeError
当加权数组的长度与输入数组的形状不同时，会引发此错误。
示例1：
import numpy as np
data = list(range(1,6))
output=np.average(data)
data
output 输出：
[1, 2, 3, 4, 5]
3.0在上面的代码中：
- 我们导入了别名为np的numpy。
- 我们创建了一个元素列表'data'。
- 我们声明了变量'output'，并将average()函数的返回值赋值给它。
- 我们在函数中传递了列表'data'。
- 最后，我们尝试打印'data'和'output'。
输出中显示了列表元素的平均值。
示例2：
import numpy as np
output=np.average(range(1,16), weights=range(15,0,-1))
output 输出：
5.666666666666667示例3：
import numpy as np
data=np.arange(12).reshape((4,3))
output = np.average(data, axis=1, weights=[1./4, 3./4, 5./4])
data
output 输出：
array([[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8],
[ 9, 10, 11]])
array([ 1.44444444, 4.44444444, 7.44444444, 10.44444444])在上面的代码中：
- 我们导入了别名为np的numpy。
- 我们使用arange()和np.reshape()函数创建了一个数组'data'。
- 我们声明了变量'output'，并将average()函数的返回值赋值给它。
- 我们在函数中传递了数组'data'，将axis设置为1，并在函数中传递了加权数组。
- 最后，我们尝试打印'data'和'output'。
输出中显示了数组中每列元素的平均值。
示例4：
import numpy as np
data=np.arange(12).reshape((4,3))
data
np.average(data, weights=[1./4, 3./4, 5./4]) 输出：
array([[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8],
[ 9, 10, 11]])
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "C:\Python27\lib\site-packages\numpy\lib\function_base.py", line 406, in average
"Axis must be specified when shapes of data and weights."
TypeError: Axis must be specified when shapes of data and weights differ.
