この記事では、Pythonのnumpyのライブラリは（）関数の使用レポートは、良い基準値を持っている意味を説明し、我々は手助けをしたいです。是非、ご覧ください、一緒に小さなシリーズに従うこと
- 平均（）関数が定義されます：
2平均（）機能：
求取均值
经常操作的参数为axis，以m * n矩阵举例：
axis 不设置值，对 m*n 个数求均值，返回一个实数
axis = 0：压缩行，对各列求均值，返回 1* n 矩阵
axis =1 ：压缩列，对各行求均值，返回 m *1 矩阵
举例：>>> import numpy as np
>>> num1 = np.array([[1,2,3],[2,3,4],[3,4,5],[4,5,6]])
>>> now2 = np.mat(num1)
>>> now2
matrix([[1, 2, 3],
[2, 3, 4],
[3, 4, 5],
[4, 5, 6]])
>>> np.mean(now2) # 对所有元素求均值
3.5
>>> np.mean(now2,0) # 压缩行，对各列求均值
matrix([[ 2.5, 3.5, 4.5]])
>>> np.mean(now2,1) # 压缩列，对各行求均值
matrix([[ 2.],
[ 3.],
[ 4.],
[ 5.]])
補足拡張：（ピット）のnp.nanmaxとnp.max差numpyの
np.nanmax numpyのとnp.array（[1,2,3、np.nan]） 。 MAX（）（ピット）の差
原理
最大値を計算するデータフレームは、最初の使用は、最大でなければならない（）メソッド（）シリーズ物4は、最終的な結果です。
S1 = pd.Series（[1,2,3,4、np.nan]）
s1_max = s1.max（）
しかし、次のコードのような巨大I、列の数が多いので、計算を高速化するために、最大値がnumpyのを使用して計算されるデータの量、しかしの、最終的な結果ではなく、4以上、のNaN 3です。見出され、このように計算された最大値を使用して、それがのNaN 3中に含まれる、最終的な結果はNaNです。
s1 = pd.Series([1,2,3,4,np.nan])
s1_max = s1.values.max()
>>>nan
文書のnumpyのを読み取ることによって、機能がnp.nanmax存在する、あなたは除外最大np.nanを計算し、あなたが望む右の結果を得ることができることを見出しました。
もちろん、だけではありませんMAX、MIN、STD、平均列が含まれていますときnp.nan、s1.values.min / STD /平均値（）が存在する場合はNaNを返します。
速度差
速いから遅い順番に：
s1 = pd.Series([1,2,3,4,5,np.nan])
#速度由快至慢
np.nanmax(s1.values) > np.nanmax(s1) > s1.max()
このPythonのnumpyのライブラリの意味（）関数は、すべての人の全体の内容を共有するために小さなシリーズの使用を導入することである上記
より公共機関の数で良い評判をお勧めするどのように多くの、そして最終的にはより上のコンテンツを[プログラマ]、多くのがありますベテランの学習スキル、学習経験、面接スキル、職場体験や他のシェアは、より多くの我々は慎重に、実際のプロジェクトのゼロベースの入門情報、情報を用意し、タイミングはいくつかの学習方法を、毎日Pythonプログラマの技術を説明共有しており、注意が必要細部
