计算概率密度均值python

Question

假设我有一个概率密度函数的热图作为一个numpy ndarray(m,n) 。 是否有一个函数可以自动计算将此矩阵视为概率密度的均值？ 我似乎找不到可以自动执行此操作的功能。

当然，一个简单的解决方案是创建一个权重等于数组索引的加权平均值，但似乎应该有一个内置函数可以做到这一点。

说明：假设我的数组是heatmap = [[0,0,0,1],[0,0,1,0],[0,0,1.5,0],[0,0,0,0]] 。 不，如果我们假设这不是归一化概率，您可以计算概率密度的均值和其他属性。

例如在 x 方向的平均值将是

    xx = np.arange(0,heatmap.shape[1],1)
    weights = np.tile(xx,(heatmap.shape[0],1))

    mean_x = np.average(weights, weights = heatmap_avg_left)

我只是在 numpy 或 scipy 中寻找一个可以自动执行此操作和其他概率属性的函数

Answer 1

# assuming the array is called pdf_arr
axis = 0  # 0 for x axis (columns), 1 for y axis (rows)
marginal_pdf = pdf_arr.sum(axis=axis)
# since it's just a sample, normalize pdf
marginal_pdf /= marginal_pdf.sum()
axis_mean = (marginal_pdf * np.arange(pdf_arr.shape[1-axis])).sum()
# repeat the same for axis = 1

Answer 2

您可以使用scipy.ndimage.center_of_mass找到数组的质scipy.ndimage.center_of_mass 。 如果您的数组被索引到包含单个质量的地图中，您可以直接转换：

from scipy.ndimage import center_of_mass

indices = ... # shape (m, n), values in [0, k)
mass_lookup = ... # shape (k)

result = center_of_mass(mass_lookup[indices])

在这种情况下， mass_lookup就像一个热图。 如果数组包含权重，则直接使用它。