在numpy中对数组的子集进行平均答案

【问题标题】：averaging over subsets of array in numpy在numpy中对数组的子集进行平均
【发布时间】：2017-06-11 23:35:13
【问题描述】：

我有一个形状为 (10, 10, 10, 60) 的 numpy 数组。尺寸可以是任意的，但这只是一个示例。

我想通过对某些子集取平均值来将其减少为 (10, 10, 10, 20) 的数组，我有两种情况：

1：取每个(10, 10, 10, 20) 块的平均值，即有三个(10, 10, 10, 20) 块并取三者之间的平均值。这可以通过：m = np.mean((x[..., :20], x[..., 20:40], x[...,40:60]), axis=3) 来完成。我的问题是，当最后一个维度是任意的而不编写一些显式循环时，如何生成它？所以，我可以这样做：

x = np.random.rand(10, 10, 10, 60)
result = np.zeros((10, 10, 10, 20))
offset = 20
loops = x.shape[3] // offset
for i in range(loops):
    index = i * offset
    result += x[..., index:index+offset]
result = result / loops

但是，这似乎不太像 Python，我想知道是否有更优雅的方法来做到这一点。

2：另一种情况是，我想将其分解为 10 个形状为 (10, 10, 10, 2, 3) 的数组，然后沿这十个数组之间的第 5 维取平均值，然后将其重新整形为 @ 987654327@ 阵列按原计划。我可以重新整形数组，然后再次像以前一样取平均值并再次整形，但第二部分似乎很不优雅。

【问题讨论】：

对于第 2 部分：您能否详细说明分解部分？或者给我们一个有效的循环实现？
实际上，您的解决方案似乎适用于这两个部分！我只需要以不同的方式重塑，我想。让我试试！

标签： python numpy

【解决方案1】：

您可以重塑将最后一个轴一分为二，使第一个轴的长度与所需的块数相同，然后沿倒数第二个轴获得平均值 -

m,n,r = x.shape[:3]
out = x.reshape(m,n,r,3,-1).mean(axis=-2) # 3 is no. of blocks

或者，我们可以引入 np.einsum 以显着提升性能 -

In [200]: x = np.random.rand(10, 10, 10, 60)

In [201]: %timeit x.reshape(m,n,r,3,-1).mean(axis=-2)
1000 loops, best of 3: 430 µs per loop

In [202]: %timeit np.einsum('ijklm->ijkm',x.reshape(m,n,r,3,-1))/3.0
1000 loops, best of 3: 214 µs per loop

【讨论】：