np.mean() 函數定義：
numpy.mean(a, axis, dtype, out，keepdims )
當 keepidms=True,保持其二維或者三維的特性,(結果保持其原來維數)
默認爲 False,不保持其二維或者三維的特性.(結果不保持其原來維數)
接下來我舉例子說明:
a 是一個(2,2)的二維數組.
第 486 和 491 對比,在 axis=1的時候,當 keepidms=True
則結果爲 2 維,否則是1維.
繼續引申:
若我們用 a 去減上面得出來的相應的 a 均值,會如何:
(1)axis=1,keepdims=True,這個條件下的均值是每一行的均值,是 2 維的,那我們用 a減去此均值,就是每一行的數字均去減去每一行的均值.
[1,2]-[1.5,1.5]
[3,4]-[3.5,3.5]
(2)axis=1,keepdims=False,這個條件下的均值也是每一行的均值,但是是 1 維的,那我們用 a 減去此均值,就是每一行的對應位置的數字分別減去此均值對應位置的數字.
[1,2]-[1.5,3.5]
[3,4]-[1.5,3.5]
(3)aixs=None,keepdims=False,這個條件下的均值是a 所有的數字的均值,那我們a 減去此均值,就是每個原色減去此均值.
[1,2]-[2.5,2.5]
[3,4]-[2.5,2.5]
繼續繼續引申:
sum,max,min 也有同樣的共性,我們可以舉一反三.
以上計算涉及廣播等知識,
由此可以推論,
這對我們未來進行數據清洗,整理,計算很有用.