僅當滿足每行元素上的條件時，才計算2D數組特定列的均值和方差

Question

我有一個尺寸為（690L，15L）的2D numpy數組。 我只需要在某些奇數列中對此數據集計算列的均值，但要滿足以下條件：當且僅當特定列中同一行中的元素滿足條件時，才需要包含一行。 讓我用一些代碼清除更多信息。

f = open("data.data")
dataset =  np.loadtxt(fname = f, delimiter = ',')

我有充滿指標的數組，我需要執行均值（和方差）

index_catego = [0, 3, 4, 5, 7, 8, 10, 11]

條件是， dataset[i, 14] == 1作為輸出，我想要一個長度為len(index_catego)的一維數組，其中該數組的每個元素都是len(index_catego)的均值

output = [mean_of_index_0, mean_of_index_3, ..., mean_of_index_11]

我最近正在使用Python，但是我敢肯定有一種很酷的方法可以通過np.where ， mask ， np.mean或其他方式實現。

我已經實現了一個解決方案，但是它並不優雅，並且不確定是否正確。

import numpy as np

index_catego = [0, 3, 4, 5, 7, 8, 10, 11]

matrix_mean_positive = []
matrix_variance_positive = []
matrix_mean_negative = []
matrix_variance_negative = []

n_positive = 0
n_negative = 0

sum_positive = np.empty(len(index_catego))
sum_negative = np.empty(len(index_catego))


for i in range(dataset.shape[0]):
    if dataset[i, 14] == 0:
        n_positive = n_positive + 1
        j = 0
        for k in index_catego:
            sum_positive[j] = sum_positive[j] + dataset[i, k]
            j = j + 1
    else:
        n_negative = n_negative + 1
        j = 0
        for k in index_catego:
            sum_negative[j] = sum_negative[j] + dataset[i, k]
            j = j + 1

for item in np.nditer(sum_positive):
    matrix_mean_positive.append(item / n_positive)

for item in np.nditer(sum_negative):
    matrix_mean_negative.append(item / n_negative)

print(matrix_mean_positive)
print(matrix_mean_negative)

如果您想嘗試解決方案，我會舉一些數據示例

1,22.08,11.46,2,4,4,1.585,0,0,0,1,2,100,1213,0
0,22.67,7,2,8,4,0.165,0,0,0,0,2,160,1,0
0,29.58,1.75,1,4,4,1.25,0,0,0,1,2,280,1,0
0,21.67,11.5,1,5,3,0,1,1,11,1,2,0,1,1
1,20.17,8.17,2,6,4,1.96,1,1,14,0,2,60,159,1
0,15.83,0.585,2,8,8,1.5,1,1,2,0,2,100,1,1
1,17.42,6.5,2,3,4,0.125,0,0,0,0,2,60,101,0

感謝您的幫助。

更新1：我嘗試過

output_positive = dataset[:, index_catego][dataset[:, 14] == 0]
mean_p = output_positive.mean(axis = 0)
print(mean_p)

output_negative = dataset[:, index_catego][dataset[:, 14] == 1]
mean_n = output_negative.mean(axis = 0)
print(mean_n)

但是通過第一個解決方案（非冷卻溶液）和第二個解決方案（單線冷卻溶液）計算出的均值不同。 我檢查了選擇了什么dataset[:, index_catego][dataset[:, 14] == 0]和dataset[:, index_catego][dataset[:, 14] == 1] （正確的尺寸和正確的元素）。

更新2：好的，第一個解決方案是錯誤的，因為（例如）第一列只有0和1作為元素，但作為平均值返回值>1。我不知道在哪里失敗。 似乎肯定的類別是正確的（或至少是合理的），而否定的類別甚至是不合理的。

那么，第二種解決方案正確嗎？ 有更好的方法嗎？

更新3：我認為我發現第一個解決方案的問題：我正在使用jupyter筆記本，有時（並非所有時候）當我重新運行第一個解決方案所在的單元格時， matrix_mean_positive和matrix_mean_negative中的元素加倍了。 如果有人知道為什么，可以指出我嗎？

現在，兩種解決方案都返回相同的方法。

Answer 1

在重新運行之前在Jupyter Notebook中執行內核->重新啟動以清除內存