3D Numpy 数组所有列的平均绝对值

Question

在处理多维数组时，我总是发现自己处于困惑的状态。 具有以下数组的图像，其中每个数组包含数据集中每个类别（5 个类别）的特征重要性分数（3 个特征）。该数据集总共包含 4 个样本。

arr = np.random.randn(5,4,3).round(1)

arr
array([[[ 0.7, -0.1,  0.6],   # class 0 feature importances
        [-0.8, -0.7,  1.4],
        [ 1.4, -0.1,  1.4],
        [-1.8, -1.2, -1.6]],

       [[-0.3,  2.1,  0.5],  # class 1 feature importances
        [-1.2,  1.4, -0.4],
        [ 0. , -1. ,  0.8],
        [-0.8,  2.3,  0.3]],

       [[ 0.2,  0.6, -0.1],  # class 2 feature importances
        [-1.8, -0.2,  1.2],
        [-0.5,  0.5,  1. ],
        [ 1.3,  0.4, -2.6]],

       [[-1. ,  0.8, -0.4],  # class 3 feature importances
        [ 1.2,  1.5, -0.5],
        [ 0.1, -0.5,  0.8],
        [ 2.5, -1.6, -0.6]],

       [[-1.2,  0.3, -0.9],  # class 4 feature importances
        [ 1. , -1. , -0.5],
        [ 0.3,  1.4,  0.5],
        [-2.3,  0.6,  0.2]]])

我有兴趣计算各个类别的特征重要性的

mean absolute

值（总体）。理想情况下，所得的排列应为排名 1

(3,)

，因为它具有三个特征：

Feature1 = sum( abs(0.7,-0.8, 1.4, -1.8, -0.3, -1.2, 0.0, -0.8, 0.2, -1.8, -0.5, 1.3,  
               -1.0, 1.2, 0.1, 2.5, -1.2, 1.0, 0.3,, -2.3) ) / 12    # n = 12 

Answer 1

如果你这样做

arr[:,:,0]

，你将获得你想要的整个数组。

就做

np.sum(np.abs(arr[:,:,0])) / 12

np.sum( np.abs([0.7,-0.8, 1.4, -1.8, -0.3, -1.2, 0.0, -0.8, 0.2, -1.8, -0.5, 1.3,  
               -1.0, 1.2, 0.1, 2.5, -1.2, 1.0, 0.3, -2.3]) ) / 12 
>>> 1.7000000000000002

np.sum(np.abs(xx[:,:,0])) / 12
>>> 1.7000000000000002

Answer 2

我认为您需要计算数组中每个元素的绝对值，然后沿代表类的轴取平均值。具体方法如下：

import numpy as np

arr = np.random.randn(5, 4, 3).round(1)

# Compute the mean absolute value along the axis representing the classes
mean_absolute_values = np.mean(np.abs(arr), axis=0)

# Compute the mean absolute value across all classes for each feature
result = np.mean(mean_absolute_values, axis=0)

print(result)

这将输出所需的结果：

[0.75 1.02 0.88]