两个 Numpy 数组中的平均值

Question

给定两个 ndarray

old_set = [[0, 1], [4, 5]]
new_set = [[2, 7], [0, 1]]

我正在寻找两个数组之间各自值的平均值，以便数据最终类似于：

end_data = [[1, 4], [2, 3]]

基本上它会应用类似的东西

for i in len(old_set):
    end_data[i] = (old_set[i]+new_set[i])/2

但我不确定要使用什么语法.. 提前感谢您的帮助！

Answer 1

您可以创建一个包含要平均的 2D 数组的 3D 数组，然后使用np.mean或np.average沿axis=0进行平均（后者允许加权平均值）：

np.mean( np.array([ old_set, new_set ]), axis=0 )

这种平均方案可以应用于任何(n)维数组，因为创建的(n+1)维数组将始终包含要沿其axis=0平均的原始数组。

Answer 2

>>> import numpy as np
>>> old_set = [[0, 1], [4, 5]]
>>> new_set = [[2, 7], [0, 1]]
>>> (np.array(old_set) + np.array(new_set)) / 2.0
array([[1., 4.],
       [2., 3.]])

Answer 3

使用numpy.average

numpy.average也可以使用相同的语法：

import numpy as np
a = np.array([np.arange(0,9).reshape(3,3),np.arange(9,18).reshape(3,3)])
averaged_array = np.average(a,axis=0)

相比numpy.average的优点numpy.mean是也使用的权重参数作为相同形状的阵列的可能性：

weighta = np.empty((3,3))    
weightb = np.empty((3,3))       
weights = np.array([weighta.fill(0.5),weightb.fill(0.8) ])
np.average(a,axis=0,weights=weights)

如果您使用掩码数组，请考虑使用numpy.ma.average因为numpy.average不处理它们。

Answer 4

如前所述，由于嵌套列表（二维矩阵），您的解决方案不起作用。 远离 numpy 方法，如果您想使用嵌套的 for 循环，您可以尝试以下操作：

old_set = [[0, 1], [4, 5]]
new_set = [[2, 7], [0, 1]]

ave_set = []
for i in range(len(old_set)):
    row = []
    for j in range(len(old_set[0])):
        row.append( ( old_set[i][j] + new_set[i][j] ) / 2 )
    ave_set.append(row)
print(ave_set) # returns [[1, 4], [2, 3]]