在Python中:
>>> a = [153, 186, 0, 258]
>>> b = [156, 136, 156, 0]
>>> c = [193, 150, 950, 757]
>>> import statistics
>>> [statistics.mean([x for x in s if x]) for s in zip(*[a, b, c])]
[167.33333333333334, 157.33333333333334, 553, 507.5]
在NumPy中:
>>> import numpy as np
>>> A = np.vstack([a,b,c])
>>> np.average(A, axis=0, weights=A.astype(bool))
array([ 167.33333333, 157.33333333, 553. , 507.5 ])
如果一列中的所有值都可能等于零,您可能希望使用掩码数组以避免规范化不可能的问题(权重不能加起来等于零)。 输出中未定义的部分将被掩码。
>>> a[0] = b[0] = c[0] = 0
>>> A = np.vstack([a,b,c])
>>> np.ma.average(A, axis=0, weights=A.astype(bool))
masked_array(data=[--, 157.33333333333334, 553.0, 507.5],
mask=[ True, False, False, False],
fill_value=1e+20)
>>> np.ma.average(A, axis=0, weights=A.astype(bool)).tolist()
[None, 157.33333333333334, 553.0, 507.5]
np.dstack
并沿深度轴进行平均。如果您希望输出形状为(1200,),那么我看不出为什么vstack不起作用。 - wimnp.ma.average()
作为一种稳健的解决方案来处理所有值的总和为零的情况。 - Jason Bellino