我有一个函数,除其他功能外,它计算ndarray(2d或1d)行的平均值。通过ndarray.mean(axis=0)
对于一维数组,我希望它仅返回自身,因为只有1个“行”,而不是对元素求平均并返回标量。
除了获取平均值之前是否只检查ndim
属性,是否有其他方法来做到这一点?
def d_Error(X, y, weights, bias):
y_hat = probability(X, weights, bias)
dE_matrix = (X.T * (y - y_hat)).T # each row is the gradient at that sample
dEdw = np.mean(dE_matrix, axis=0) # get average gradient
dEdb = (y - y_hat).mean() # gives scalar
dEdz = np.append(dEdw, dEdb)
return dEdz
np.atleast_2d
对于2D,np.atleast_2d(ar).mean(axis=0)
不变。对于np.atleast_2d
,我们来看一个示例案例-
1D
另一个正在重塑-
In [125]: a1D = np.arange(4).astype(float)
In [126]: a1D
Out[126]: array([0., 1., 2., 3.])
In [127]: np.atleast_2d(a1D).mean(axis=0)
Out[127]: array([0., 1., 2., 3.])
不太优雅的解决方案,但更多的是“技巧”,是将索引的元组传递给ar.reshape(-1,ar.shape[-1]).mean(0)
参数。如果为空,则返回原始数组。因此,您可以为其传递一系列索引:
axis=…
因此,这将导致2d数组的单例元组dEdw = dE_matrix.mean(axis=tuple(range(dE_matrix.ndim-1)))
,而对于1d数组的结果为空元组(0,)
。