深度学习之numpy

1.numpy.mean（a，axis = None，dtype = None，out = None，keepdims = <无值> ）

沿指定轴计算算术平均值。

返回数组元素的平均值。默认情况下，平均值取自展平的数组，否则取自指定的轴。 float64中间值和返回值用于整数输入。

参量

array_like

包含期望平均值的数字的数组。如果a不是数组，则尝试进行转换。

轴无或整数或整数元组，可选

计算平均值 s的一个或多个轴。默认值是计算平坦数组的平均值。

1.7.0版中的新功能。

如果这是一个整数元组，那么将在多个轴上执行均值运算，而不是像以前那样在单个轴或所有轴上执行均值运算。

dtype 数据类型，可选

用于计算平均值的类型。对于整数输入，默认值为float64; 对于浮点输入，它与输入dtype相同。

out ndarray，可选

要在其中放置结果的备用输出数组。默认值为None; 如果提供的话，它的形状必须与预期的输出形状相同，但是如果需要的话，将强制转换类型。有关更多详细信息，请参见ufuncs-output-type。

keepdims bool，可选

如果将其设置为True，则缩小的轴将保留为尺寸为1的尺寸。使用此选项，结果将针对输入数组正确广播。

如果传递了默认值，则keepdims不会传递给的子类的方法 ，但是任何非默认值都将传递。如果子类的方法未实现keepdims，则将引发任何异常。meanndarray

return:

m ndarray，请参见上面的dtype参数

如果out = None，则返回一个包含平均值的新数组，否则返回对输出数组的引用。

 

2.要创建NumPy数组，可以使用函数np.array()。

创建简单数组所需要做的就是将列表传递给它。如果选择，还可以在列表中指定数据类型。 您可以在此处找到有关数据类型的更多信息。

>>>

>>> import numpy as np
>>> a = np.array([1, 2, 3])

您可以通过以下方式可视化数组：

请注意，这些可视化旨在简化想法，并使您对NumPy的概念和机制有基本的了解。数组和数组操作比这里捕获的要复杂得多！

3. np.zeros()

除了根据一系列元素创建数组之外，还可以轻松创建一个用填充的数组0：

>>>

>>> np.zeros(2)
array([0, 0])