NumPy 中多轴的平均值

Posted 2023-02-23

【中文标题】NumPy 中多轴的平均值

【英文标题】：Mean over multiple axis in NumPy

【发布时间】：2016-02-06 17:43:12

【问题描述】：

我想以 Pythonic 方式编写下面的代码，在两个轴上应用平均值。最好的方法是什么？

import numpy as np

m = np.random.rand(30, 10, 10)  
m_mean = np.zeros((30, 1))    
for j in range(30):
    m_mean[j, 0] = m[j, :, :].mean()

【问题讨论】：

为什么m_mean 是一个二维数组？

为什么要创建第二个只有一行的 numpy 数组？为什么不只是一个简单的列表？

NumPythonic 方式为m.mean(axis=(1,2))。

【参考方案1】：

如果你有足够新的 NumPy，你可以这样做

m_mean = m.mean(axis=(1, 2))

我相信这是在 1.7 中引入的，但我不确定。文档仅在 1.10 中进行了更新以反映这一点，但它比这更早。

如果您的 NumPy 太旧，您可以手动取平均值：

m_mean = m.sum(axis=2).sum(axis=1) / np.prod(m.shape[1:3])

这些都会产生一维结果。如果你真的想要那个额外的长度为 1 的轴，你可以做类似m_mean = m_mean[:, np.newaxis] 的事情来把额外的轴放在那里。

【讨论】：

用旧的numpy，你也可以只做m.mean(axis=2).mean(axis=1)

@Rob：啊，你是对的。由于m.mean(axis=2) 步骤中的所有均值都在相同数量的元素上，m.mean(axis=2).mean(axis=1) 正确地赋予每个元素相同的权重。

【参考方案2】：

您还可以使用numpy.mean() ufunc 并将输出数组作为参数传递给out=，如下所示：

np.mean(m, axis=(1, 2), out=m_mean)