np.array()按权重求平均值详解

简介: np.array()按权重求平均值详解

代码如下:

a = np.array([[1, 4, 2, 6],
              [10, 41, 7, 3],
              [9, 1, 6, 2]])
v1 = np.average(a, weights=[3, 3, 4], axis=0)
print(v1)

运行结果

当执行这段代码时,np.average(a, weights=[3, 3, 4], axis=0)会根据指定的权重在列方向上计算加权平均值

具体计算过程如下:

对于第一列:

 

对于第二列:

对于第三列:

 

对于第四列:

最终输出的结果 v1 为:

                     

相关文章
|
算法
【计算理论】计算复杂性 ( NP 完全问题 | NP 难 问题 P = NP 的情况 | NP 难 问题 P ≠ NP 的情况 )
【计算理论】计算复杂性 ( NP 完全问题 | NP 难 问题 P = NP 的情况 | NP 难 问题 P ≠ NP 的情况 )
197 0
【计算理论】计算复杂性 ( NP 完全问题 | NP 难 问题 P = NP 的情况 | NP 难 问题 P ≠ NP 的情况 )
|
4月前
|
Python
Numpy学习笔记(五):np.concatenate函数和np.append函数用于数组拼接
NumPy库中的`np.concatenate`和`np.append`函数,它们分别用于沿指定轴拼接多个数组以及在指定轴上追加数组元素。
133 0
Numpy学习笔记(五):np.concatenate函数和np.append函数用于数组拼接
|
4月前
|
机器学习/深度学习 索引 Python
Numpy学习笔记(二):argmax参数中axis=0,axis=1,axis=-1详解附代码
本文解释了NumPy中`argmax`函数的`axis`参数在不同维度数组中的应用,并通过代码示例展示了如何使用`axis=0`、`axis=1`和`axis=-1`来找到数组中最大值的索引。
307 0
Numpy学习笔记(二):argmax参数中axis=0,axis=1,axis=-1详解附代码
|
机器学习/深度学习 PyTorch 算法框架/工具
Numpy | np.random随机模块的使用介绍
Numpy | np.random随机模块的使用介绍
268 0
Numpy | np.random随机模块的使用介绍
|
Python
浅谈NumPy中的维度Axis
NumPy中的维度是一个很重要的概念,很多函数的参数都需要给定维度Axis,如何直观的理解维度呢?我们首先以二维数组为例进行说明,然后推广到多维数组。 (有人将ndim属性叫维度,将axis叫轴,我还是习惯将axis称之为维度,axis=0称为第一个维度)
101 0
  浅谈NumPy中的维度Axis
|
Python
深入理解Numpy中sum求和的axis参数
深入理解Numpy中sum求和的axis参数
177 0
|
算法 定位技术
浅谈P、NP、NP-Complate和NP-Hard问题
时间复杂度 时间复杂度并不是表示一个程序解决问题需要花多少时间,而是当程序所处理的问题规模扩大后,程序需要的时间长度对应增长得有多快。 也就是说,对于某一个程序,其处理某一个特定数据的效率不能衡量该程序的好坏,而应该看当这个数据的规模变大到数百倍后,程序运行时间是否还是一样,或者也跟着慢了数百倍,或者变慢了数万倍。 不管数据有多大,程序处理所花的时间始终是那么多的,我们就说这个程序很好,具O(1)O(1)O(1)的时间复杂度,也称常数级复杂度;

热门文章

最新文章