在numpy数组中查找平均值最高的行

Question

给定以下数组：

complete_matrix = numpy.array([
    [0, 1, 2, 4],
    [1, 0, 3, 5],
    [2, 3, 0, 6],
    [4, 5, 6, 0]])

我希望能够找出平均值最高的行，但要排除对角线上的零元素。 因此，在这种情况下，我可以确定complete_matrix[:,3]是具有最高平均值的行。

- Dana Gray

Answer 1

请注意，零的存在不会影响哪一行具有最高平均值，因为所有行具有相同数量的元素。因此，我们只需取每行的平均值，然后询问最大元素的索引。

#Take the mean along the 1st index, ie collapse into a Nx1 array of means
means = np.mean(complete_matrix, 1)
#Now just get the index of the largest mean
idx = np.argmax(means)

idx现在是具有最高平均值的行的索引！

- kjoppy

Answer 2

您不必担心 0，因为每行都应该有一个，所以它们不会影响平均值的比较。因此，您可以像这样做，以获取平均值最高的行的索引：

>>> import numpy as np 
>>> complete_matrix = np.array([
...     [0, 1, 2, 4],
...     [1, 0, 3, 5],
...     [2, 3, 0, 6],
...     [4, 5, 6, 0]])
>>> np.argmax(np.mean(complete_matrix, axis=1))
3

---

Reference:

• numpy.mean
• numpy.argmax

- arshajii

---

经过一些测试（可能有误），但我认为 np.argmax(arr) 直接返回最高平均值，无需对列进行平均处理。 - FlyingZipper

Answer 3

正如许多人所指出的那样，只要每列中有相同数量的零，存在零并不是问题。但是，如果您的意图是忽略所有的零，使它们不参与平均计算，您可以使用权重来抑制零的贡献。以下解决方案将零条目分配为0权重，其他则为1：

numpy.argmax(numpy.average(complete_matrix,axis=0, weights=complete_matrix!=0))

您可以始终创建一个权重矩阵，其中对角线条目的权重为0，其余为1。

- John Doe

Answer 4

你会发现，这个答案实际上更适合于你的另一个问题（链接），那个问题被标记为重复的，但我不知道为什么，因为它不是同一个问题...

例如，零的存在确实会影响列或行的平均值：

a = np.array([[  0, 1, 0.9,   1],
              [0.9, 0,   1,   1],
              [  1, 1,   0, 0.5]])

不消除对角线，它会告诉你第3列拥有最高的平均值，但是消除对角线后，最高的平均值属于第1列，现在第3列成为了所有列中平均值最低的一列！您可以使用带和不带对角线的行数的最小公倍数(lcm)来纠正计算出的平均值，以确保在不存在对角元素的情况下不应用校正：

correction = column_sum/lcm(len(column), len(column)-1)
new_mean = mean + correction

我复制了lcm算法从这个答案，并为你的情况提出了一个解决方案：

import numpy as np

def gcd(a, b):
    """Return greatest common divisor using Euclid's Algorithm."""
    while b:
        a, b = b, a % b
    return a

def lcm(a, b):
    """Return lowest common multiple."""
    return a * b // gcd(a, b)

def mymean(a):
    if len(a.diagonal()) < a.shape[1]:
        tmp = np.hstack((a.diagonal()*0+1,0))
    else:
        tmp = a.diagonal()*0+1
    return np.mean(a, axis=0) + np.sum(a,axis=0)*tmp/lcm(a.shape[0],a.shape[0]-1)

使用上面给出的 a 进行测试：

mymean(a)
#array([ 0.95      ,  1.        ,  0.95      ,  0.83333333])

另一个例子：

b = np.array([[  0, 1, 0.9,   0],
              [0.9, 0,   1,   1],
              [  1, 1,   0, 0.5],
              [0.9, 0.2,   1,   0],
              [  1, 1,   0.7, 0.5]])

mymean(b)
#array([ 0.95,  0.8 ,  0.9 ,  0.5 ])

使用修正后的平均值，您只需使用np.argmax()来获取具有最高平均值的列索引。同样，使用np.argmin()来获取平均值最小的列的索引：

np.argmin(mymean(a))

- Saullo G. P. Castro