numpy：矩阵中每一行的不同子集的平均值

Question

给出以下矩阵

In [1]: a
Out[1]: 
array([[106.74    , 108.072   , 108.72    , 109.584   , 108.468   ],
       [114.012   , 114.156   , 107.928   , 113.904   , 112.968   ],
       [114.396225, 115.21124 , 116.01796 , 115.0901  , 113.01843 ]],
      dtype=float32)

我可以像这样计算行的每个子集的平均值，

In [2]: np.mean(a[:,1:3],axis=1)
Out[2]: array([108.395996, 111.042   , 115.6146  ], dtype=float32)

但是我现在想做的是，以下，

给定一组索引i = [3,4,3]

我想有能力

a[0,1:3]

a[1,1:4]

a[3,1:2]

分别是

所以，自然地，我的第一次尝试是，

In [2]: np.mean(a[:,1:i],axis=1)
TypeError: slice indices must be integers or None or have an __index__ method

这肯定行不通。

我也知道这一点，

In [3]: a[np.where(i)+(i,)]
Out[3]: array([108.468 , 113.904 , 115.0901], dtype=float32)

但是我没办法找出将它们结合起来的方法...。

有什么想法吗？

Answer 1

来自安德拉斯（Andras）的好主意，我也将使用相同的方法。面具可以用类似：

的东西建造

istart = np.array([1, 1, 1])
istop = np.array([3, 4, 3])

col = np.broadcast_to(np.arange(a.shape[1]), a.shape)
#array([[0, 1, 2, 3, 4],
#       [0, 1, 2, 3, 4],
#       [0, 1, 2, 3, 4]])

mask = (istart.reshape(-1, 1) <= col) & (col < istop.reshape(-1, 1))
#array([[False,  True,  True, False, False],
#       [False,  True,  True,  True, False],
#       [False,  True,  True, False, False]], dtype=bool)

(a * mask).sum(axis=1) / mask.sum(axis=1)

---

array([ 108.396 ,  111.996 ,  115.6146])