我有两个数字数组，我想计算这些数组之间的加权平均元素并将其存储在一个新数组中。
我现在使用的解决方案是：
array_1 = [0,1,2,3,4]
array_2 = [2,3,4,5,6]
weight_1 = 0.5
weight_2 = 0.5
array_3 = np.zeros(array_1.shape)
for i in range(0, len(array_1)) :
array_3[i] = np.average(a=[array_1[i], array_2[i]], weights=[weight_1, weight_2])
print(array_3)
>> [1,2,3,4,5]
问题是它不是很有效。我怎样才能更有效地做到这一点？
【问题讨论】：
只需使用 NumPy 的矢量化操作。为此，首先将列表转换为数组，然后将每个数组乘以各自的权重并求和
import numpy as np
array_1 = np.array([0,1,2,3,4])
array_2 = np.array([2,3,4,5,6])
weight_1 = 0.5
weight_2 = 0.5
array_3 = weight_1*array_1 + weight_2*array_2
# array([1., 2., 3., 4., 5.])
使用np.average 的直接 NumPy 解决方案如下，其中axis=0 表示逐行取平均（使用两列）。 np.vstack() 只是将两个数组垂直堆叠。
np.average(np.vstack((array_1, array_2)), axis=0, weights=[weight_1, weight_2])
正如@yatu 所指出的，您还可以传递数组列表并指定轴
np.average([array_1, array_2], axis=0, weights=[weight_1, weight_2])
受@yatu 回答中的 cmets 启发的时间比较：如您所见，列表理解和 zip 在这里稍微快一些，但这种性能适用于小型数组。我敢肯定，对于大型数组，矢量化解决方案将接管
德维什的方法
%timeit result = [ item1 * weight_1 + item2 * weight_2 for item1, item2 in zip(array_1, array_2)]
# 25.5 µs ± 3.75 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)
%timeit np.average([array_1, array_2], axis=0, weights=[weight_1, weight_2])
# 42.9 µs ± 2.94 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)
%timeit np.average(np.vstack((array_1, array_2)), axis=0, weights=[weight_1, weight_2])
# 44.8 µs ± 4.98 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)
【讨论】：
你可以zip两个迭代器，并将每个元素乘以对应的权重
array_1 = [0,1,2,3,4]
array_2 = [2,3,4,5,6]
weight_1 = 0.5
weight_2 = 0.5
#Zip both iterators and multiply weight with corresponding item
result = [ item1 * weight_1 + item2 * weight_2 for item1, item2 in zip(array_1, array_2)]
print(result)
输出将是
[1.0, 2.0, 3.0, 4.0, 5.0]
【讨论】：
鉴于您使用的是 NumPy，您可以通过以下方式轻松对其进行矢量化：
array_1 = np.array([0,1,2,3,4])
array_2 = np.array([2,3,4,5,6])
weight_1 = 0.5
weight_2 = 0.5
array_1*weight_1 + array_2*weight_2
# array([1., 2., 3., 4., 5.])
这可以推广到多个数组和权重吗？
要获得更普遍的答案，最好的方法是使用np.average，它接受array_like 用于数组和weights，以应用于其中的每一个：
np.average([array_1, array_2], weights=[weight_1, weight_2], axis=0)
# array([1., 2., 3., 4., 5.])
【讨论】：
zip 解决方案:)
c 级别@DeveshKumarSingh