Python数据科学：使用numpy求行均值

随着大数据时代的来临，Python 应运而生，在这数据浪潮中逐渐发光发亮。越来越多的人开始学习 Python，学习其中的数据科学、人工智能等等。今天，和大家分享关于 Python 数据科学中一个特别重要库 numpy 库中一道题目，分享一下关于对于这道题的解题思路。

题目：

随机给定一个二维数组，结果返回行均值。

输入要求：

第一行：两个用空格隔开的整数，第一个表示矩阵 X(n) 的行，第二个表示 X(p) 的列。

接下来的 n 行：X 中行的值。

输出要求：

一个 numpy 一维值数组，四舍五入到第二个小数。

输入样本：

2 2 
1.5 1 
2 2.9

输出样本：

[1.25 2.45]

解题思路：

最简单也是最关键，最重要的一步，导入 numpy 库。

import numpy as np

需要定义 numpy 数组的行列，因为要满足题目要求的随机性，所以这里就不写死，使用 input 输入。而且行列一定是整数类型的，数据类型必须是 int 类型。但是输入的值是字符串，这时候就需要对输入的值进行转换。

n, p = [int(x) for x in input().split()]

接下来，每行都会输入 p 个值。我用了一个范围为 n 的循环，每行都能输入 p 个值。此前还需要定义一个空数组，便于后面的数组进行累加。

arr = []
for i in range(n):
    arr += [float(x) for x in input().split()]

接下来就是将数组转换为 numpy 数组，并且给它重塑为二维数组。

arr = np.array(arr).reshape(n, p)

最后就可以直接使用 numpy 的 mean 方法求均值即可，但题目要求是求行均值，这时候就需要设置 axis=1，按列计算，获得行均值。同时结果还需要保留小数点后两位，就需要用上 round 方法。

arr.mean(axis=1).round(2)

完整代码：

import numpy as np

n, p = [int(x) for x in input().split()]

arr = []
for i in range(n):
    arr += [float(x) for x in input().split()]

arr = np.array(arr).reshape(n, p)
print(arr.mean(axis=1).round(2))

结果输出：

总结：

以上就是我关于这道 numpy 库练习题目的理解和解题过程。有兴趣的读者们也可以尝试做一下，或许你们可以会有更好的解题思路和方法呢！