scipy.stats.

hmean#

scipy.stats.hmean(a, axis=0, dtype=None, *, weights=None, nan_policy='propagate', keepdims=False)[源代码]#

沿指定轴计算加权调和平均值。

与权重 \(w_i\) 相关联的数组 \(a_i\) 的加权调和平均值为

\[\frac{ \sum_{i=1}^n w_i }{ \sum_{i=1}^n \frac{w_i}{a_i} } \, ,\]

并且，在权重相等的情况下，它给出

\[\frac{ n }{ \sum_{i=1}^n \frac{1}{a_i} } \, .\]

参数:

aarray_like

输入数组、掩码数组或可转换为数组的对象。

axisint 或 None，默认为: 0

如果为 int，则表示沿着其计算统计量的输入轴。输入的每个轴切片（例如行）的统计量将显示在输出的相应元素中。如果 None，则在计算统计量之前，输入将被展开。

dtypedtype，可选

返回数组类型和对元素求和的累加器类型。如果未指定 dtype，则它默认为 a 的 dtype，除非 a 具有 dtype，其精度低于默认平台整数。在这种情况下，使用默认平台整数。

权重array_like，可选

权重数组可以是 1-D（在这种情况下，它的长度必须是 a 沿给定 axis 的大小）或与 a 相同的形状。默认值为 None，它给每个值一个 1.0 的权重。

在 1.9 版中添加。

nan_policy{‘传播’，‘省略’，‘引发’}

定义如何处理输入 NaN。

传播：如果在沿其计算统计量的轴切片（例如，行）中存在 NaN，则输出的相应条目将为 NaN。
省略：执行计算时，将省略 NaN。如果沿其计算统计量的轴切片中剩余数据不足，则输出的相应条目将为 NaN。
引发：如果存在 NaN，将引发 ValueError。

keepdimsbool，默认值：False

如果将其设置为 True，则经过归约的轴将以大小为一的维度的形式保留在结果中。使用此选项，结果将针对输入数组正确广播。

返回:

hmeanndarray: 参见上方 dtype 参数。

另请参阅

numpy.mean: 算术平均值
numpy.average: 加权平均值
gmean: 几何平均值

注释

谐波平均值在输入数组的单一维度（默认为 axis=0）或数组中的所有值（如果 axis=None）上计算。对于整数输入，使用 float64 中间值和返回值。

从 SciPy 1.9 开始，在执行计算之前，np.matrix 输入（不建议用于新代码）将被转换为 np.ndarray。在这种情况下，输出将是标量或形状适当的 np.ndarray，而不是 2D np.matrix。类似地，虽然会忽略掩码数组的掩码元素，但输出将是标量或 np.ndarray，而不是具有 mask=False 的掩码数组。

参考

[1]

“加权调和平均值” ， 维基百科， https://en.wikipedia.org/wiki/Harmonic_mean#Weighted_harmonic_mean

[2]

Ferger, F., “调和平均值的性质和用法”，美国统计协会杂志，第 26 卷，第 36-40 页，1931 年

示例

>>> from scipy.stats import hmean
>>> hmean([1, 4])
1.6000000000000001
>>> hmean([1, 2, 3, 4, 5, 6, 7])
2.6997245179063363
>>> hmean([1, 4, 7], weights=[3, 1, 3])
1.9029126213592233