平均numpy数组但保持形状答案

【问题标题】：average numpy array but retain shape平均numpy数组但保持形状
【发布时间】：2012-05-09 17:41:56
【问题描述】：

我有一个 Numpy 3 轴数组，其元素是 3 维的。我想对它们进行平均并返回相同形状的数组。正常的平均函数去掉3维，用平均值代替（如预期的那样）：

a = np.array([[[0.1, 0.2, 0.3], [0.2, 0.3, 0.4]],
              [[0.4, 0.4, 0.4], [0.7, 0.6, 0.8]]], np.float32)

b = np.average(a, axis=2)
# b = [[0.2, 0.3],
#      [0.4, 0.7]]

需要结果：

# b = [[[0.2, 0.2, 0.2], [0.3, 0.3, 0.3]],
#      [[0.4, 0.4, 0.4], [0.7, 0.7, 0.7]]]

你能优雅地做到这一点，还是我只需要在 Python 中迭代数组（与强大的 Numpy 函数相比会慢很多）。

您能否将 np.mean 函数的 Dtype 参数设置为一维数组？

谢谢。

【问题讨论】：

非常喜欢你想在问题中看到的内容。
在大多数情况下我可以想象，广播不需要 3d 数组就可以做到。

标签： python multidimensional-array numpy shape average

【解决方案1】：

好的，注意我还没有 numpyology 的硕士学位，但只是在玩，我想出了：

>>> np.average(a,axis=-1).repeat(a.shape[-1]).reshape(a.shape)
array([[[ 0.2       ,  0.2       ,  0.2       ],
        [ 0.29999998,  0.29999998,  0.29999998]],

       [[ 0.40000001,  0.40000001,  0.40000001],
        [ 0.69999999,  0.69999999,  0.69999999]]], dtype=float32)

【讨论】：

我喜欢它，这比我想出的要好。
这是一条线，它适用于所有数组形状和大小，只要您沿最后一个轴取平均值。

【解决方案2】：

您是否考虑过使用广播？ Here 是有关广播的更多信息，如果您不熟悉这个概念。

这里是一个使用broadcast_arrays的例子，记住broadcast_arrays在这里产生的b应该被视为只读的，如果你想写的话你应该复制一份：

>>> b = np.average(a, axis=2)[:, :, np.newaxis]
>>> b, _ = np.broadcast_arrays(b, a)
>>> b
array([[[ 0.2       ,  0.2       ,  0.2       ],
        [ 0.29999998,  0.29999998,  0.29999998]],

       [[ 0.40000001,  0.40000001,  0.40000001],
        [ 0.69999999,  0.69999999,  0.69999999]]], dtype=float32)

【讨论】：

【解决方案3】：

>>> import numpy as np
>>> a = np.array([[[0.1, 0.2, 0.3], [0.2, 0.3, 0.4]],
...               [[0.4, 0.4, 0.4], [0.7, 0.6, 0.8]]], np.float32)
>>> b = np.average(a, axis=2)
>>> b
array([[ 0.2       ,  0.29999998],
       [ 0.40000001,  0.69999999]], dtype=float32)
>>> c = np.dstack((b, b, b))
>>> c
array([[[ 0.2       ,  0.2       ,  0.2       ],
        [ 0.29999998,  0.29999998,  0.29999998]],

       [[ 0.40000001,  0.40000001,  0.40000001],
        [ 0.69999999,  0.69999999,  0.69999999]]], dtype=float32)

【讨论】：

【解决方案4】：

这是一种避免复制的方法：

a = a.T
a[:] = a.mean(axis=0)
a = a.T

或者如果你不想覆盖a：

b = np.empty_like(a)
b = b.T
b[:] = a.mean(axis=-1).T
b = b.T

【讨论】：

另一个很好的答案。我该如何选择？！谢谢！ :)

【解决方案5】：

这是一个任意轴：

array 是维度数组 axis 是平均轴

np.repeat( np.expand_dims( np.mean( array, axis ), axis ), array.shape[axis], axis )

【讨论】：