有没有更有效的方法来找到大量矩阵的平均值？答案

【问题标题】：Is there a more efficient way to find the average of a large number of matrices?有没有更有效的方法来找到大量矩阵的平均值？
【发布时间】：2018-07-30 01:07:09
【问题描述】：

所以我现在有大约 300 个矩阵，这还不错，但我想让我的代码在未来可重用，所以我想知道是否有更有效的方法来找到平均值。我拥有的矩阵是 88x88，我想要平均它的方式是在最后得到一个矩阵，其中每个 [i][j] 值是另一个中所有 [i][j] 值的平均值300 个矩阵。

mean = []
smaller = []


for j in range(88):
        for i in range(88):
            for k in range(len(listof_matrices)):
                smaller.append(listof_matrices[k][i][j])
                mean.append(str(float(sum(smaller))/float(len(smaller))))

基本上，代码的工作方式是 3 个嵌套循环（我知道...），它首先在所有 k 个矩阵中附加单个 [i][j] 位置的值，找到平均值，然后将其添加到平均值list 存储它，并为所有 i 和所有 j 再次执行此操作。肯定有更快的方法。干杯

【问题讨论】：

numpy 是你的朋友。 np.mean(listof_matrices, axis=0)
@Julien 即使我的矩阵不是 numpy 数组而只是普通列表，它也能工作吗？还是应该将它们全部转换为 numpy 数组？
在大多数情况下，numpy 会自动为您转换。

标签： python python-2.7 matrix

【解决方案1】：

一定要使用numpy。我会用一个可重现的例子给你解释

`Setup`

m1 = np.array([[3, 6, 2], [5, 6, 3], [2, 7, 2]])
m2 = np.array([[1, 5, 7], [9, 9, 8], [1, 6, 6]])
m3 = np.array([[9, 8, 3], [3, 5, 4], [7, 3, 3]])
list_of_matrices = [m1, m2, m3]

`Solution`

那就用np.mean

np.mean(list_of_matrices, axis=0)

输出

array([[4.33333333, 6.33333333, 4.        ],
       [5.66666667, 6.66666667, 5.        ],
       [3.33333333, 5.33333333, 3.66666667]])

因此，对于您的示例，您可能需要做的唯一loop 就是创建list_of_matrices，无论如何您都必须这样做。然后，您只需调用np.mean，它将使用矢量化解决方案生成您的均值矩阵。时间会非常比你的三嵌套循环方法快。

【讨论】：

【解决方案2】：

您真的应该将numpy 用于这些目的。

假设您将矩阵放在一个 numpy 数组中。示例：

import numpy as np

matrix = np.array([
    [
        [1, 2],
        [3, 4]
    ],
    [
        [5, 6],
        [7, 8]
    ],
    [
        [9, 10],
        [11, 12]
    ],
])

你可以得到平均值

np.sum(matrix, axis=0)/float(matrix.shape[0])

np.sum(matrix, axis=0) 将所有数组的最外轴相加，matrix.shape[0] 为您提供其中包含的矩阵数量。

另外，numpy 的性能比原始 python 的性能要很多好得多

【讨论】：

为什么不只是 np.mean