使用numpy.mean和条件的这种语法是什么意思

Question

result = map(lambda x: (x>0).mean(), np.array([[1,3], [2,4], [3,5]]))
print result
## output: [1.0, 1.0, 1.0]

此语法中（x> 0）条件的平均值是什么，为什么我会得到[1.0，1.0，1.0]之类的结果？

additional）如果我使用（x> 0）.mean（（1,2）），这（1,2）是什么意思？

Answer 1

  

np.array> 0返回相同形状但被布尔值填充的np.array   满足给定条件的值，如果取均值，则为true   视为1.0，错误视为0，因此您的平均值为1.0 1.0。

Answer 2

np.array([1, 3]) > 0给出一个布尔数组，每个元素表示原始数组的元素是否为正。

np.mean将给出数组的算术平均值。但是，它只能处理浮点数，因此将布尔值强制转换为浮点数。 float(True)是1.0； float(False)是0.0。

因此，(x > 0).mean()是x的正数元素所占的比例。对于[1,3]，[2,4]和[3,5]，它们分别是100％或1.0。对于[-1, 0, 1]，它将是1/3。