np.mean () vs np.average () en Python NumPy?

Me doy cuenta de que

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

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

Sin embargo, debería haber algunas diferencias, ya que después de todo son dos funciones diferentes.

Cuáles son las diferencias entre ellos?

np.average toma un parámetro de peso opcional. Si no se suministra son equivalentes. Echa un vistazo al código fuente: media , media

np.mean:

try:
    mean = a.mean
except AttributeError:
    return _wrapit(a, 'mean', axis, dtype, out)
return mean(axis, dtype, out)

np.average:

...
if weights is None :
    avg = a.mean(axis)
    scl = avg.dtype.type(a.size/avg.size)
else:
    #code that does weighted mean here

if returned: #returned is another optional argument
    scl = np.multiply(avg, 0) + scl
    return avg, scl
else:
    return avg
...

np.mean siempre calcula una media aritmética y tiene algunas opciones adicionales para entrada y salida (por ejemplo, qué tipos de datos usar, dónde colocar el resultado).

np.averagepuede calcular un promedio ponderado si weightsse proporciona el parámetro.

En alguna versión de numpy hay otra diferencia importante que debes tener en cuenta:

average No tome en cuenta las máscaras, por lo tanto, calcule el promedio de todo el conjunto de datos.

mean toma en cuenta las máscaras, así que calcule la media solo sobre los valores sin máscara.

g = [1,2,3,55,66,77]
f = np.ma.masked_greater(g,5)

np.average(f)
Out: 34.0

np.mean(f)
Out: 2.0

En su invocación, las dos funciones son las mismas.

average Sin embargo, puede calcular un promedio ponderado.

Doc enlaces: meanyaverage

Además de las diferencias ya señaladas, hay otra diferencia extremadamente importante que acabo de descubrir por el camino difícil: a diferencia np.mean, np.averageno permite la dtypepalabra clave, que es esencial para obtener resultados correctos en algunos casos. Tengo una matriz de precisión única muy grande a la que se accede desde un h5archivo. Si tomo la media a lo largo de los ejes 0 y 1, obtengo resultados completamente incorrectos a menos que especifique dtype='float64':

>T.shape
(4096, 4096, 720)
>T.dtype
dtype('<f4')

m1 = np.average(T, axis=(0,1))                #  garbage
m2 = np.mean(T, axis=(0,1))                   #  the same garbage
m3 = np.mean(T, axis=(0,1), dtype='float64')  # correct results

Desafortunadamente, a menos que sepa qué buscar, no necesariamente puede decir que sus resultados son incorrectos. Nunca lo volveré a usar np.averagepor este motivo, pero siempre lo usaré np.mean(.., dtype='float64')en cualquier matriz grande. Si quiero un promedio ponderado, lo calcularé explícitamente usando el producto del vector de peso y la matriz de destino y luego np.sumo bien np.mean, según corresponda (con la precisión adecuada también).