平均 numpy 数组但保持形状

Question

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。普通平均函数删除 3 个维度并将其替换为平均值（如预期）：

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吗？还是我只需要在 Python 中迭代数组（与强大的 Numpy 函数相比，这会慢很多）。

您可以将 np.mean 函数的 Dtype 参数设置为一维数组吗？

谢谢。

Answer 1

好吧，注意我还没有数学学硕士学位，但只是玩玩，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)

Answer 2

您考虑过使用广播吗？如果您对广播概念不熟悉，这里提供了有关广播的更多信息。

这里是一个使用

broadcast_arrays

的示例，请记住，由

b

生成的

broadcast_arrays

应该被视为只读，如果你想写入它，你应该制作一个副本：

>>> 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)

Answer 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)

Answer 4

这里有一个避免复印的方法：

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

或者如果您不想覆盖

a

:

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

Answer 5

这适用于任意轴：

array

是维数组

axis

是平均轴

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

Answer 6

您现在可以在

keepdims=True

 中使用 

numpy.mean 来保留原始形状：

keepdims：布尔，可选

如果设置为 True，则缩小的轴将作为尺寸为 1 的维度保留在结果中。使用此选项，结果将针对输入数组正确广播。

如果传递默认值，那么keepdims将不会传递给ndarray子类的mean方法，但任何非默认值都会传递。如果子类的方法没有实现 keepdims，则会引发任何异常。

例如：

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)
z = np.mean(a, axis=2, keepdims=True)
print('a.shape: %s\nz.shape: %s' %(a.shape, z.shape))

输出：

a.shape: (2, 2, 3)
z.shape: (2, 2, 1)