计算具有不同长度的数组的平均值

Question

当多个数组的长度可能不同时，是否可以计算它们的平均值？我正在使用 numpy。所以假设我有：

numpy.array([[1, 2, 3, 4, 8],    [3, 4, 5, 6, 0]])
numpy.array([[5, 6, 7, 8, 7, 8], [7, 8, 9, 10, 11, 12]])
numpy.array([[1, 2, 3, 4],       [5, 6, 7, 8]])

现在我想计算平均值，但忽略“缺失”的元素（当然，我不能只附加零，因为这会弄乱平均值）

有没有办法在不遍历数组的情况下做到这一点？

PS。这些数组都是二维的，但该数组的坐标数量总是相同的。 IE。第一个数组是 5 和 5，第二个是 6 和 6，第三个是 4 和 4。

一个例子：

np.array([[1, 2],    [3, 4]])
np.array([[1, 2, 3], [3, 4, 5]])
np.array([[7],       [8]])

这必须给

(1+1+7)/3  (2+2)/2   3/1
(3+3+8)/3  (4+4)/2   5/1

并以图形方式：

[1, 2]    [1, 2, 3]    [7]
[3, 4]    [3, 4, 5]    [8]

现在想象一下，这些二维数组被放置在彼此的顶部，坐标重叠导致该坐标的平均值。

Answer 1

numpy.ma.mean 允许您计算非屏蔽数组元素的平均值。但是，要使用numpy.ma.mean，您必须首先将三个 numpy 数组组合成一个掩码数组：

import numpy as np
x = np.array([[1, 2], [3, 4]])
y = np.array([[1, 2, 3], [3, 4, 5]])
z = np.array([[7], [8]])

arr = np.ma.empty((2,3,3))
arr.mask = True
arr[:x.shape[0],:x.shape[1],0] = x
arr[:y.shape[0],:y.shape[1],1] = y
arr[:z.shape[0],:z.shape[1],2] = z
print(arr.mean(axis = 2))

产量

[[3.0 2.0 3.0]
 [4.66666666667 4.0 5.0]]

Answer 2

我经常需要它来绘制不同长度的性能曲线的平均值。

用简单的函数解决它（基于@unutbu 的回答）：

def tolerant_mean(arrs):
    lens = [len(i) for i in arrs]
    arr = np.ma.empty((np.max(lens),len(arrs)))
    arr.mask = True
    for idx, l in enumerate(arrs):
        arr[:len(l),idx] = l
    return arr.mean(axis = -1), arr.std(axis=-1)

y, error = tolerant_mean(list_of_ys_diff_len)
ax.plot(np.arange(len(y))+1, y, color='green')

因此，将该函数应用于上面绘制的曲线列表会产生以下结果：

Answer 3

下面的函数也可以通过添加不同长度的数组列来工作：

def avgNestedLists(nested_vals):
    """
    Averages a 2-D array and returns a 1-D array of all of the columns
    averaged together, regardless of their dimensions.
    """
    output = []
    maximum = 0
    for lst in nested_vals:
        if len(lst) > maximum:
            maximum = len(lst)
    for index in range(maximum): # Go through each index of longest list
        temp = []
        for lst in nested_vals: # Go through each list
            if index < len(lst): # If not an index error
                temp.append(lst[index])
        output.append(np.nanmean(temp))
    return output

从你的第一个例子开始：

avgNestedLists([[1, 2, 3, 4, 8], [5, 6, 7, 8, 7, 8], [1, 2, 3, 4]])

输出：

[2.3333333333333335,
 3.3333333333333335,
 4.333333333333333,
 5.333333333333333,
 7.5,
 8.0]

一开始没有使用 np.amax(nested_lst) 或 np.max(nested_lst) 来查找最大值的原因是，如果嵌套列表的大小不同，它将返回一个数组。

Answer 4

OP，我知道您正在寻找一个非迭代的内置解决方案，但以下内容实际上只需要 3 行（如果您将 transpose 和 means 结合使用，则为 2 行，但它会变得混乱）：

arrays = [
    np.array([1,2], [3,4]),
    np.array([1,2,3], [3,4,5]),
    np.array([7], [8])
    ]

mean = lambda x: sum(x)/float(len(x)) 

transpose = [[item[i] for item in arrays] for i in range(len(arrays[0]))]

means = [[mean(j[i] for j in t if i < len(j)) for i in range(len(max(t, key = len)))] for t in transpose]

输出：

>>>means
[[3.0, 2.0, 3.0], [4.666666666666667, 4.0, 5.0]]