dask.array.ma.average

dask.array.ma.average¶

dask.array.ma.average(a, axis=None, weights=None, returned=False, keepdims=False)[源代码]¶

返回数组在给定轴上的加权平均值。

此文档字符串是从 numpy.ma.average 复制而来的。

Dask 版本可能存在一些不一致性。

参数

aarray_like

要进行平均的数据。被掩码的条目在计算中不被考虑。

轴None 或 int 或 int 的元组，可选

沿其计算 a 平均值的轴或轴。默认情况下，axis=None，将对输入数组的所有元素进行平均。如果 axis 是一个整数元组，则在该元组指定的所有轴上进行平均，而不是像之前那样只在一个轴或所有轴上进行平均。

权重类似数组, 可选

与 a 中的值相关联的权重数组。a 中的每个值根据其关联的权重对平均值做出贡献。如果没有指定轴，权重数组必须与 a 具有相同的形状，否则权重必须在与 a 指定的轴上具有一致的维度和形状。如果 weights=None，则假定 a 中的所有数据具有等于一的权重。计算如下:

avg = sum(a * weights) / sum(weights)

其中求和是针对所有包含的元素。weights 的值的唯一约束是 sum(weights) 不能为 0。

返回的bool, 可选

指示是否应将元组 (结果, 权重之和) 作为输出返回（True），或者仅返回结果（False）。默认值为 False。

keepdimsbool, 可选

如果设置为 True，被减少的轴将作为尺寸为1的维度保留在结果中。使用此选项，结果将正确地与原始 a 进行广播。注意: keepdims 将无法与 numpy.matrix 或其他不支持 keepdims 的方法的类实例一起工作。

1.23.0 新版功能.

返回

平均值, [权重之和](元组) 标量或 MaskedArray: 沿指定轴的平均值。当返回值为 True 时，返回一个元组，第一个元素为平均值，第二个元素为权重的和。返回类型为 np.float64，如果 a 是整数类型且浮点数小于 float64，或者为输入的数据类型，否则。如果返回，sum_of_weights 总是 float64。

Raises

ZeroDivisionError: 当沿轴的所有权重均为零时。请参阅 numpy.ma.average 以获取对此类错误具有鲁棒性的版本。
类型错误: 当 weights 的形状与 a 不同时，且 axis=None。
ValueError: 当 weights 没有与 a 沿指定 axis 一致的维度和形状时。

示例

>>> import numpy as np  
>>> a = np.ma.array([1., 2., 3., 4.], mask=[False, False, True, True])  
>>> np.ma.average(a, weights=[3, 1, 0, 0])  
1.25

>>> x = np.ma.arange(6.).reshape(3, 2)  
>>> x  
masked_array(
  data=[[0., 1.],
        [2., 3.],
        [4., 5.]],
  mask=False,
  fill_value=1e+20)
>>> data = np.arange(8).reshape((2, 2, 2))  
>>> data  
array([[[0, 1],
        [2, 3]],
       [[4, 5],
        [6, 7]]])
>>> np.ma.average(data, axis=(0, 1), weights=[[1./4, 3./4], [1., 1./2]])  
masked_array(data=[3.4, 4.4],
         mask=[False, False],
   fill_value=1e+20)
>>> np.ma.average(data, axis=0, weights=[[1./4, 3./4], [1., 1./2]])  
Traceback (most recent call last):
    ...
ValueError: Shape of weights must be consistent
with shape of a along specified axis.

>>> avg, sumweights = np.ma.average(x, axis=0, weights=[1, 2, 3],  
...                                 returned=True)
>>> avg  
masked_array(data=[2.6666666666666665, 3.6666666666666665],
             mask=[False, False],
       fill_value=1e+20)

使用 keepdims=True ，以下结果的形状为 (3, 1)。

>>> np.ma.average(x, axis=1, keepdims=True)  
masked_array(
  data=[[0.5],
        [2.5],
        [4.5]],
  mask=False,
  fill_value=1e+20)

dask.array.linalg.tsqr

dask.array.ma.empty_like