Calcul des moyennes à travers la dimension d'un tableau 2D

J'ai un tableau a comme ceci:

a = [[40, 10], [50, 11]]

J'ai besoin de calculer la moyenne pour chaque dimension séparément, le résultat devrait être:

[45, 10.5]

45 étant la moyenne de a[*][0] et 10.5 la moyenne de a[*][1].

Quelle est la façon la plus élégante de résoudre ce sans l'aide d'une boucle?

InformationsquelleAutor otmezger | 2013-04-04
  1. 95

    a.mean() prend un axis argument:

    In [1]: import numpy as np

In [2]: a = np.array([[40, 10], [50, 11]])

In [3]: a.mean(axis=1)     # to take the mean of each row
Out[3]: array([ 25. ,  30.5])

In [4]: a.mean(axis=0)     # to take the mean of each col
Out[4]: array([ 45. ,  10.5])

    Ou, en tant que fonction autonome:

    In [5]: np.mean(a, axis=1)
Out[5]: array([ 25. ,  30.5])

    La raison de votre découpage n'était pas le travail, c'est parce que c'est la syntaxe pour le tranchage:

    In [6]: a[:,0].mean() # first column
Out[6]: 45.0

In [7]: a[:,1].mean() # second column
Out[7]: 10.5
    • merci pour votre réponse rapide. Ce n' In [n]: signifie? est cette partie du code?
    • C'est parce que je suis en utilisant IPython.
    • Je suis l'aide de numpy, de sorte que la ligne 2 et 3 fonctionne très bien, mais avec axis=0 au lieu de axis=1
    • Je vois, iPhython..... merci
    • est sur la ligne suivante. J'ai édité pour présenter plus d'informations, rafraîchissement, peut-être?
    • désolé, je l'ai eu. Vous êtes de droite. Merci pour la réponse.
    • Vous êtes les bienvenus. Prendre note que beaucoup de tableau numpy méthodes prennent un axe argument comme celui-là.
    • ce n' mean = np.mean(a, axis=(0,2,3)) mean? sachant que l'entrée du tenseur de (a) est de la forme (lot,canaux,largeur,hauteur) ?

    InformationsquelleAutor askewchan
  2. 8

    Ici est un non-numpy solution:

    >>> a = [[40, 10], [50, 11]]
>>> [float(sum(l))/len(l) for l in zip(*a)]
[45.0, 10.5]
    InformationsquelleAutor Andrew Clark
  3. 4

    Si vous faites cela, beaucoup, NumPy est le chemin à parcourir.

    Si pour quelque raison vous ne pouvez pas utiliser NumPy:

    >>> map(lambda x:sum(x)/float(len(x)), zip(*a))
[45.0, 10.5]
    InformationsquelleAutor NPE