Python/NumPy 中计算均值的元素排列

Posted 2023-03-12

【中文标题】Python/NumPy 中计算均值的元素排列

【英文标题】：Elements Arrangement For Calculating Mean In Python/NumPy

【发布时间】：2015-10-08 06:12:57

【问题描述】：

我有如下的一维列表：

data = [1,5,9,13,
        2,6,10,14,
        3,7,11,15,
        4,8,12,16]

我想制作以下元组列表，并分别计算每个元组的平均值。

[(1,5,2,6), (3,7,4,8), (9,13,10,14), (11,15,12,16)]

预期的结果应该是：

[3.5, 5.5, 11.5, 13.5]

有什么更简单的方法？

【问题讨论】：

到目前为止你有没有尝试过？可能是搜索或任何代码？

【参考方案1】：

将数据放入一个形状为 (2, 2, 2, 2) 的 4-d numpy 数组，然后在轴 1 和轴 3 上取该数组的平均值：

In [25]: data
Out[25]: [1, 5, 9, 13, 2, 6, 10, 14, 3, 7, 11, 15, 4, 8, 12, 16]

In [26]: a = np.array(data).reshape(2, 2, 2, 2)

In [27]: a
Out[27]: 
array([[[[ 1,  5],
         [ 9, 13]],

        [[ 2,  6],
         [10, 14]]],


       [[[ 3,  7],
         [11, 15]],

        [[ 4,  8],
         [12, 16]]]])

In [28]: a.mean(axis=(1, 3))
Out[28]: 
array([[  3.5,  11.5],
       [  5.5,  13.5]])

如果您需要将最终结果作为一维数组，您可以使用ravel() 方法：

In [31]: a.mean(axis=(1, 3)).ravel()
Out[31]: array([  3.5,  11.5,   5.5,  13.5])

请参阅How can I vectorize the averaging of 2x2 sub-arrays of numpy array? 了解类似问题。

【讨论】：

第一次看到axis=(1, 3)，是什么意思？

如果我有一个大数组（比如 n = 2000）并且需要以类似的方式计算平均值怎么办？

@Borys 我想应该是a = np.array(data).reshape(-1, N1, M2/N2, N2)，其中M2 = 输入数据中的列或步长（如果您想这样称呼一维输入列表）和N1, N2 = 数据被划分和平均的块大小。

【参考方案2】：

这是一种方法

In [29]: a = np.array(data)

In [30]: a2 = a.reshape(4,4)

In [31]: a3 = np.vstack((a2[:, :2], a2[:, 2:]))

In [32]: a4 = a3.reshape(4,4)

In [33]: np.mean(a4, axis=1)
Out[33]: array([  3.5,   5.5,  11.5,  13.5])

【参考方案3】：

本文列出了一些解决方案建议-

def grouped_mean(data,M2,N1,N2):

    # Paramters:
    # M2 = Columns in input data
    # N1, N2 = Blocksize into which data is to be divided and averaged

    # Get grouped mean values; transpose and flatten for final output
    grouped_mean = np.array(data).reshape(-1,N2).sum(1).reshape(-1,N1,M2/N2).sum(1)/(N1*N2)

    # Return transposed and flattened version as output (as per OP) 
    return grouped_mean.T.ravel()

现在，grouped_mean 可以用 np.einsum 来计算，而不是像这样使用 np.sum -

stage1_sum = np.einsum('ij->i',np.array(data).reshape(-1,N2))
grouped_mean = np.einsum('ijk->ik',stage1_sum.reshape(-1,N1,M2/N2))/(N1*N2)

或者，可以按照@Warren Weckesser's solution 中的建议将 2D 输入数组拆分为 4D 数组，然后像这样使用np.einsum -

split_data = np.array(data).reshape(-1, N1, M2/N2, N2)
grouped_mean = np.einsum('ijkl->ik',split_data)/(N1*N2)

示例运行 -

In [182]: data = np.array([[1,5,9,13],
     ...:                  [2,6,10,14],
     ...:                  [3,7,11,15],
     ...:                  [4,8,12,16]])

In [183]: grouped_mean(data,4,2,2)
Out[183]: array([  3.5,   5.5,  11.5,  13.5])

---

运行时测试

计算grouped_mean 似乎是代码中计算量最大的部分。所以，这里有一些运行时测试来用这三种方法计算它 -

In [174]: import numpy as np
     ...: # Setup parameters and input list
     ...: M2 = 4000
     ...: N1 = 2
     ...: N2 = 2
     ...: data = np.random.randint(0,9,(16000000)).tolist()
     ...: 

In [175]: %timeit np.array(data).reshape(-1,N2).sum(1).reshape(-1,N1,M2/N2).sum(1)/(N1*N2)
     ...: %timeit np.einsum('ijk->ik',np.einsum('ij->i',np.array(data).reshape(-1,N2)).reshape(-1,N1,M2/N2))/(N1*N2)
     ...: %timeit np.einsum('ijkl->ik',np.array(data).reshape(-1, N1, M2/N2, N2))/(N1*N2)
     ...: 
1 loops, best of 3: 2.2 s per loop
1 loops, best of 3: 2.12 s per loop
1 loops, best of 3: 2.1 s per loop