np.average用法

最新推荐文章于 2025-05-25 19:47:48 发布

踩着七彩祥云的猴子

最新推荐文章于 2025-05-25 19:47:48 发布

阅读量2.1w

点赞数 5

CC 4.0 BY-SA版权

本文链接：https://blog.csdn.net/weixin_36149892/article/details/86659689

本文深入解析了使用numpy库处理矩阵时，如何通过不同的axis参数计算矩阵的平均值。包括矩阵级别的平均、行级别的平均和元素级别的平均，展示了axis参数在处理多维数据时的重要作用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

>>> img0
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],
        [30, 31, 32, 33, 34],
        [35, 36, 37, 38, 39]],

       [[40, 41, 42, 43, 44],
        [45, 46, 47, 48, 49],
        [50, 51, 52, 53, 54],
        [55, 56, 57, 58, 59]]])
       
       # 矩阵级别的平均
>>> np.average(img0, axis=0)
array([[20., 21., 22., 23., 24.],
       [25., 26., 27., 28., 29.],
       [30., 31., 32., 33., 34.],
       [35., 36., 37., 38., 39.]])      
       
       # 行级别的平均， 行与行之间的比较， 也就是竖着的元素之间的比较，e.g. a[0] 代表某一行， a[1]代表相邻的下一行， a[0][j] 与a[1][j]的比较， j属于（0， n),  看起来就像是竖着比较。
>>> np.average(img0, axis=1)
array([[ 7.5,  8.5,  9.5, 10.5, 11.5],
       [27.5, 28.5, 29.5, 30.5, 31.5],
       [47.5, 48.5, 49.5, 50.5, 51.5]])

# 元素级别的平均，看起来像是处理是处理每一行中的所有元素。

axis=1 与axis=2 之间的不同之处：


axis=1时是行与行之间某个相同位置的元素的处理
axis=2 是某一行内元素的处理



如果不指定axis， 就是全局平均
>>> np.average(img0)
29.5