计算二维数组中跨维度的平均值答案

【问题标题】：Calculate mean across dimension in a 2D array计算二维数组中跨维度的平均值
【发布时间】：2013-03-27 01:05:06
【问题描述】：

我有一个这样的数组a：

a = [[40, 10], [50, 11]]

我需要分别计算每个维度的平均值，结果应该是这样的：

[45, 10.5]

45 是 a[*][0] 的平均值，10.5 是 a[*][1] 的平均值。

不使用循环解决这个问题的最优雅的方法是什么？

【问题讨论】：

标签： python arrays multidimensional-array numpy mean

【解决方案1】：

a.mean() 接受 axis 参数：

In [1]: import numpy as np

In [2]: a = np.array([[40, 10], [50, 11]])

In [3]: a.mean(axis=1)     # to take the mean of each row
Out[3]: array([ 25. ,  30.5])

In [4]: a.mean(axis=0)     # to take the mean of each col
Out[4]: array([ 45. ,  10.5])

或者，作为一个独立的函数：

In [5]: np.mean(a, axis=1)
Out[5]: array([ 25. ,  30.5])

您的切片不起作用的原因是因为这是切片的语法：

In [6]: a[:,0].mean() # first column
Out[6]: 45.0

In [7]: a[:,1].mean() # second column
Out[7]: 10.5

【讨论】：

感谢您的快速回复。 In [n]: 是什么意思？是这部分代码吗？
我使用的是 numpy，所以第 2 行和第 3 行效果很好，但使用 axis=0 而不是 axis=1
@otmezger axis=0 在下一行。我编辑显示更多信息，刷新，也许？
@otmezger 不客气。请注意，许多 numpy 数组方法都采用这样的轴参数。
@askewchan: mean = np.mean(a, axis=(0,2,3)) mean? knowing that input tensor (a) is shape (batch,channel,width,height) 是什么意思？

【解决方案2】：

这是一个非 numpy 的解决方案：

>>> a = [[40, 10], [50, 11]]
>>> [float(sum(l))/len(l) for l in zip(*a)]
[45.0, 10.5]

【讨论】：

【解决方案3】：

如果您经常这样做，NumPy 是您的最佳选择。

如果由于某种原因你不能使用 NumPy：

>>> map(lambda x:sum(x)/float(len(x)), zip(*a))
[45.0, 10.5]

【讨论】：