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！
