Numpy mean () مقابل average (): ما الفرق؟

يمكنك استخدام وظائف np.mean() أو np.average() لحساب متوسط قيمة المصفوفة في بايثون.

هنا هو الفرق الدقيق بين الوظيفتين:

• يقوم np.mean دائمًا بحساب الوسط الحسابي.
• يحتوي np.average على معلمة وزن اختيارية يمكن استخدامها لحساب المتوسط المرجح.

توضح الأمثلة التالية كيفية استخدام كل وظيفة عمليًا.

مثال 1: استخدم np.mean() وnp.average() بدون أوزان

لنفترض أن لدينا الجدول التالي في بايثون الذي يحتوي على سبع قيم:

 #create array of values
data = [1, 4, 5, 7, 8, 8, 10]

يمكننا استخدام np.mean() و np.average() لحساب القيمة المتوسطة لهذه المصفوفة:

 import numpy as np

#calculate average value of array
n.p. mean (data)

6.142857142857143

#calculate average value of array
n.p. average (data)

6.142857142857143

كلا الدالتين ترجعان نفس القيمة بالضبط.

استخدمت كلتا الدالتين الصيغة التالية لحساب المتوسط:

المتوسط = (1 + 4 + 5 + 7 + 8 + 8 + 10) / 7 = 6.142857 …

مثال 2: استخدم np.average() مع الأوزان

لنفترض مرة أخرى أن لدينا المصفوفة التالية في بايثون والتي تحتوي على سبع قيم:

 #create array of values
data = [1, 4, 5, 7, 8, 8, 10]

يمكننا استخدام np.average() لحساب المتوسط المرجح لهذه المصفوفة من خلال توفير قائمة القيم لمعلمات الوزن :

 import numpy as np

#calculate weighted average of array
n.p. average (data, weights=(.1, .2, .4, .05, .05, .1, .1))

5.45

المتوسط المرجح هو 5.45 .

فيما يلي الصيغة المستخدمة بواسطة np.average() لحساب هذه القيمة:

المتوسط المرجح = 1*.1 + 4*.2 + 5*.4 + 7*.05 + 8*.05 + 8*.1 + 10*.1 = 5.45 .

لاحظ أننا لم نتمكن من استخدام np.mean() لإجراء هذه العملية الحسابية نظرًا لأن هذه الوظيفة لا تحتوي على معلمة وزن .

ارجع إلى وثائق NumPy للحصول على شرح كامل للوظيفتين np.mean() و np.average() .

مصادر إضافية

تشرح البرامج التعليمية التالية كيفية حساب القيم المتوسطة الأخرى في بايثون:

كيفية حساب المتوسطات المتحركة في بايثون
كيفية حساب المعدل التراكمي في بايثون