标签: mean

Python中是否有内置或标准库方法来计算数字列表的算术平均值(一种平均值)？

我注意到了

In [30]: np.mean([1, 2, 3])
Out[30]: 2.0

In [31]: np.average([1, 2, 3])
Out[31]: 2.0

但是,应该存在一些差异,因为毕竟它们是两个不同的功能.

它们之间有什么区别？

有没有办法使用Boost计算含有样品的载体的平均值和标准偏差？

或者我是否必须创建一个累加器并将矢量输入其中？

在MNIST初学者教程中,有tf.cast

tf.reduce_mean基本上改变了对象的张量类型,但是np.mean和tf.reduce_mean？之间有什么区别？

这是关于以下内容的文档reduce_mean(input_tensor, reduction_indices=None, keep_dims=False, name=None):

accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))

对于一维矢量,它看起来像input_tensor但我不明白发生了什么reduction_indices.None有道理,因为[1,2]和[1,2]的平均值是[1.5,1.5],但是发生了什么np.mean == tf.reduce_mean？

我有这样的数据帧:

cluster  org      time
   1      a       8
   1      a       6
   2      h       34
   1      c       23
   2      d       74
   3      w       6 

我想计算每个群组每个组织的平均时间.

预期结果:

cluster mean(time)
1       15 ((8+6)/2+23)/2
2       54   (74+34)/2
3       6

我不知道如何在熊猫中做到这一点,任何人都可以帮忙吗？

我有这样一个数组a:

a = [[40, 10], [50, 11]]

我需要分别计算每个维度的平均值,结果应为:

[45, 10.5]

45是平均a[*][0]和10.5平均a[*][1].

在不使用循环的情况下解决此问题的最优雅方法是什么？

是否存在numpy中用于计算两个矩阵之间的均方误差的方法？

我试过搜索但没找到.它的名字不同吗？

如果没有,你怎么克服这个？你自己写的还是使用不同的lib？

我在R工作室的R工作.我需要计算数据帧每列的平均值.

 cluster1  // 5 by 4 data frame
 mean(cluster1) // 

我有 :

  Warning message:
  In mean.default(cluster1) :
  argument is not numeric or logical: returning NA

但我可以使用

  mean(cluster1[[1]])

得到第一列的平均值.

如何获得所有列的方法？

任何帮助,将不胜感激.

我有两个列表如下。

mylist1 = [["lemon", 0.1], ["egg", 0.1], ["muffin", 0.3], ["chocolate", 0.5]]
mylist2 = [["chocolate", 0.5], ["milk", 0.2], ["carrot", 0.8], ["egg", 0.8]]

我想得到两个列表中公共元素的平均值，如下所示。

myoutput = [["chocolate", 0.5], ["egg", 0.45]]

我目前的代码如下

for item1 in mylist1:
    for item2 in mylist2:
        if item1[0] == item2[0]:
             print(np.mean([item1[1], item2[1]]))

然而，由于有两个for循环（O(n^2)复杂性），这对于很长的列表来说效率很低。我想知道在 Python 中是否有更标准/更有效的方法来做到这一点。

我mean将statistics模块的功能性能与简单的sum(l)/len(l)方法进行了比较,发现由于mean某种原因,该功能非常慢.我使用timeit下面的两个代码片段来比较它们,有没有人知道是什么原因导致执行速度的巨大差异？我正在使用Python 3.5.

from timeit import repeat
print(min(repeat('mean(l)',
                 '''from random import randint; from statistics import mean; \
                 l=[randint(0, 10000) for i in range(10000)]''', repeat=20, number=10)))

上面的代码在我的机器上执行大约0.043秒.

from timeit import repeat
print(min(repeat('sum(l)/len(l)',
                 '''from random import randint; from statistics import mean; \
                 l=[randint(0, 10000) for i in range(10000)]''', repeat=20, number=10)))

上面的代码在我的机器上执行大约0.000565秒.