一个numpy数组的质心，如何使其更简洁？

Question

据我所知，对于numpy来说，一次处理一个数组的每一行是不明智的（参考链接）。广播显然是首选方法。那么，如何将形状为(N,3)的数据转换为质心？以下是我正在使用的“低效方法”。虽然这种方法可以工作，但我怀疑在大数据量N的情况下会影响性能：

CM = R.sum(0)/R.shape[0]
for i in xrange(R.shape[0]): R[i,:] -= CM

- Hooked

---

可能有点晚了，不过 scipy.ndimage.measurements.center_of_mass 可能是一个有用的函数。 - heltonbiker

Answer 1

根据您定义的方式，您可以简化质心计算如下：

R -= R.mean(axis=0)

如果您的数组中不同元素的质量在mass中有定义，那么我会使用以下方法：

R -= np.average(R,axis=0,weights=mass)

请参见http://docs.scipy.org/doc/numpy/reference/generated/numpy.average.html。

- JoshAdel

Answer 2

尝试

R -= R.sum(0) / len(R)

相反，广播将自动执行正确的操作。

- Sven Marnach

---

那么错误在于试图将CM数组硬塞到减法中，而不是一次性解决它？ - Hooked

@Hooked：你也可以这样做CM = R.sum(0) / len(R); R -= CM，但我认为中间变量并没有真正提高可读性。 - Sven Marnach