我想以Pythonic的方式编写以下代码,对两个轴应用均值。最好的方法是什么?
import numpy as np
m = np.random.rand(30, 10, 10)
m_mean = np.zeros((30, 1))
for j in range(30):
m_mean[j, 0] = m[j, :, :].mean()
我想以Pythonic的方式编写以下代码,对两个轴应用均值。最好的方法是什么?
import numpy as np
m = np.random.rand(30, 10, 10)
m_mean = np.zeros((30, 1))
for j in range(30):
m_mean[j, 0] = m[j, :, :].mean()
如果您拥有足够新的NumPy,您可以执行以下操作
m_mean = m.mean(axis=(1, 2))
我相信这是在1.7版本中引入的,但我不确定。文档只在1.10版本中更新以反映这一点,但它在那之前就已经起作用了。
如果你的NumPy版本太老了,你可以手动进行平均操作:
m_mean = m.sum(axis=2).sum(axis=1) / np.prod(m.shape[1:3])
这两种方法都会产生一维结果。如果你真的想要额外的长度为1的轴,你可以像这样做:m_mean = m_mean[:, np.newaxis]
,在那里添加额外的轴。
m.mean(axis=2).mean(axis=1)
。 - Robm.mean(axis=2)
步骤中所有的平均值都是在相同数量的元素上计算的,所以 m.mean(axis=2).mean(axis=1)
正确地给每个元素赋予了相等的权重。 - user2357112
m_mean
是一个二维数组? - user2357112m.mean(axis=(1,2))
,意思为对第二和第三个轴进行平均值计算。 - Divakar