使用NumPy数组计算平均值

Question

我有一个 2D 的 numpy 数组（6 行 6 列），我想要创建另一个 2D 数组，其中每个块是在一个块大小窗口内所有元素的平均值。目前，我有以下代码：

import os, numpy

def avg_func(data, blocksize = 2):
    # Takes data, and averages all positive (only numerical) numbers in blocks
    dimensions = data.shape

    height = int(numpy.floor(dimensions[0]/blocksize))
    width = int(numpy.floor(dimensions[1]/blocksize))
    averaged = numpy.zeros((height, width))

    for i in range(0, height):
        print i*1.0/height
        for j in range(0, width):
            block = data[i*blocksize:(i+1)*blocksize,j*blocksize:(j+1)*blocksize]
            if block.any():
                averaged[i][j] = numpy.average(block[block>0])

    return averaged

arr = numpy.random.random((6,6))
avgd = avg_func(arr, 3)

有没有办法让它更符合Python语言特性？或者说numpy已经有类似的功能了吗？

更新

根据M. Massias的解决方案，这是一个使用变量替换固定值的更新。不确定是否编码正确，但似乎可以工作：

dimensions = data.shape 
height = int(numpy.floor(dimensions[0]/block_size)) 
width = int(numpy.floor(dimensions[1]/block_size)) 

t = data.reshape([height, block_size, width, block_size]) 
avrgd = numpy.mean(t, axis=(1, 3))

- user308827

---

你能提供一组输入和期望的输出吗？你的代码不是很容易理解啊 ^^ - daniel451

修改代码以包含示例输入和预期输出。 - user308827

Answer 1

在numpy中逐个操作计算非常有用，通常需要重新调整数组并使用额外的轴。

为了解释这里的过程：您可以重新调整数组，取平均值，再次重新调整它并再次取平均值。 这里假设块大小为2。

t = np.array([[0, 1, 2, 3, 4, 5], [0, 1, 2, 3, 4, 5],[0, 1, 2, 3, 4, 5],[0, 1, 2, 3, 4, 5],[0, 1, 2, 3, 4, 5],[0, 1, 2, 3, 4, 5],])
t = t.reshape([6, 3, 2])
t = np.mean(t, axis=2)
t = t.reshape([3, 2, 3])
np.mean(t, axis=1)

输出

array([[ 0.5,  2.5,  4.5],
       [ 0.5,  2.5,  4.5],
       [ 0.5,  2.5,  4.5]])

现在我们已经清楚了这个操作原理，你只需要一遍完成它。

t = t.reshape([3, 2, 3, 2])
np.mean(t, axis=(1, 3))

这也可以行得通（并且应该更快，因为平均值只计算一次 - 我猜）。我会让你相应地替换 height/blocksize、width/blocksize 和 blocksize。

参见 @askewcan 的好建议，以便将其推广到任何维度。

- P. Camilleri

---

要扩展到超出二维（并且让“块大小”在每个轴上都不同），请使用a.reshape(shape).mean(axes)，其中 shape = itertools.chain(*np.broadcast(a.shape/blocksize, blocksize)) 和axes = tuple(range(1, 2*a.ndim, 2))。 - askewchan

谢谢！@askewchan，我遇到了以下错误：TypeError:不支持的操作数类型（除法）：“tuple”和“int”，出错行为：shape = itertools.chain(*numpy.broadcast(data.shape/block_size, block_size)). - user308827

抱歉，这假定 blocksize 是一个numpy数组。 - askewchan

嗨，M. Massias！感谢您的解决方案。我正在努力用变量替换您解决方案中的常量。这样会行吗：dimensions = data.shape height = int(numpy.floor(dimensions[0]/block_size)) width = int(numpy.floor(dimensions[1]/block_size)) t = data.reshape([height, block_size, width, block_size]) avrgd = numpy.mean(t, axis=(1, 3)) - user308827

@user308827，这段代码对我来说运行良好。出了什么问题吗？你是否得到了意外的值或错误信息？你可以使用//进行整数除法，而不是调用np.floor。 - P. Camilleri

好的，我只是想确认一下我是否正确地进行了泛化，谢谢！ - user308827