maxframe.tensor.average#

maxframe.tensor.average(a, axis=None, weights=None, returned=False)[源代码]#

沿指定轴计算加权平均值。

参数:

  • a (array_like) -- 包含要求平均值的数据的张量。如果 a 不是张量，则尝试进行转换。

  • axis (None or int or tuple of ints, optional) -- 沿指定轴或轴集对 a 求平均值。默认值 axis=None 表示对输入张量的所有元素求平均值。如果 axis 为负数，则从最后一个轴向第一个轴计数。如果 axis 是整数元组，则在元组中指定的所有轴上进行平均，而不是像以前那样在单个轴或所有轴上进行。

  • weights (array_like, optional) -- 与 a 中值相关联的权重张量。a 中的每个值根据其关联的权重对平均值产生贡献。权重张量可以是一维的（在这种情况下，其长度必须等于 a 在给定轴上的大小），也可以与 a 具有相同的形状。如果 weights=None，则假定 a 中的所有数据都具有相等的权重，即一。

  • returned (bool, optional) -- 默认值为 False。如果为 True，则返回元组 (average, sum_of_weights)，否则仅返回平均值。如果 weights=None，则 sum_of_weights 等效于计算平均值时所涉及的元素数量。

返回:

average, [sum_of_weights] -- 返回沿指定轴的平均值。当 returned 为 True 时，返回一个元组，其中平均值为第一个元素，权重之和为第二个元素。如果 a 是整数类型，则返回类型是 Float，否则与 a 类型相同。sum_of_weights 与 average 的类型相同。

返回类型:

tensor_type or double

抛出:

  • ZeroDivisionError -- 当沿轴的所有权重都为零时。有关对此类错误具有鲁棒性的版本，请参见 numpy.ma.average。

  • TypeError -- 当一维 weights 的长度与 a 沿轴的形状不一致时。

参见

mean

示例

>>> import maxframe.tensor as mt

>>> data = list(range(1,5))
>>> data
[1, 2, 3, 4]
>>> mt.average(data).execute()
2.5
>>> mt.average(range(1,11), weights=range(10,0,-1)).execute()
4.0

>>> data = mt.arange(6).reshape((3,2))
>>> data.execute()
array([[0, 1],
       [2, 3],
       [4, 5]])
>>> mt.average(data, axis=1, weights=[1./4, 3./4]).execute()
array([ 0.75,  2.75,  4.75])
>>> mt.average(data, weights=[1./4, 3./4]).execute()
Traceback (most recent call last):
...
TypeError: Axis must be specified when shapes of a and weights differ.