📚✨numpy.mean()的几种用法 | _np.mean(z)✨📚

在Python的数据分析中，`numpy`是不可或缺的工具库之一。而`numpy.mean()`作为计算平均值的核心函数，其灵活多样的使用方式值得我们深入了解！以下是几种常见的用法：

🎯 基本用法

当我们需要快速计算数组的总体平均值时，可以直接使用`numpy.mean(z)`。例如：`z = np.array([1, 2, 3, 4])`，运行`np.mean(z)`即可得到结果`2.5`。

🎯 指定轴向

如果处理的是多维数组，可以通过`axis`参数指定计算方向。比如`z = np.array([[1, 2], [3, 4]])`，`np.mean(z, axis=0)`会按列计算平均值，结果为`[2., 3.]`。

🎯 忽略特定值

当数据中存在无效值（如`NaN`）时，可以添加`where`参数来过滤。例如：`z = np.array([1, 2, np.nan])`，通过`np.mean(z, where=~np.isnan(z))`可避免错误。

🎯 加权平均

如果每个元素的重要性不同，可以结合权重数组进行加权平均。如`weights = np.array([0.5, 0.5])`，运行`np.average(z, weights=weights)`即可实现。

掌握这些技巧，数据分析将更加得心应手！💡📈