Ermitteln des Mittelwerts mehrerer Achsen eines nuepy Arrays

Question

In numpy gibt es eine schnelle Möglichkeit, den Mittelwert über mehrere Achsen zu berechnen? Ich berechne den Mittelwert für alle außer der 0-Achse eines n-dimensionalen Arrays.

Ich mache das gerade;

for i in range(d.ndim - 1): 
    d = d.mean(axis=1) 

Ich frage mich, ob es eine Lösung gibt, die keine Python-Schleife verwendet.

Answer 1

Mein Ansatz wäre, das Array neu zu formen, um alle höheren Dimensionen abzuflachen und dann den Mittelwert auf Achse 1 zu setzen. Ist das wonach Sie suchen?

In [14]: x = np.array([[[1,2],[3,4]],[[5,6],[7,8]]]) 

In [16]: x.reshape((x.shape[0], -1)).mean(axis=1) 
Out[16]: array([ 2.5, 6.5]) 

(Schritt 2 berechnet nur das Produkt der Längen der höheren dimmt)

Answer 2

aus dem Vorschlag von @ dsg101 Im Anschluss an, das ist das, was Sie wollen?

>>> import numpy as np 
>>> d=np.reshape(np.arange(5*4*3),[5,4,3]) 
>>> d 
array([[[ 0, 1, 2], 
     [ 3, 4, 5], 
     [ 6, 7, 8], 
     [ 9, 10, 11]], 

     [[12, 13, 14], 
     [15, 16, 17], 
     [18, 19, 20], 
     [21, 22, 23]], 

     [[24, 25, 26], 
     [27, 28, 29], 
     [30, 31, 32], 
     [33, 34, 35]], 

     [[36, 37, 38], 
     [39, 40, 41], 
     [42, 43, 44], 
     [45, 46, 47]], 

     [[48, 49, 50], 
     [51, 52, 53], 
     [54, 55, 56], 
     [57, 58, 59]]]) 
>>> np.mean(np.reshape(d,[d.shape[0],np.product(d.shape[1:])]),axis=1) 
array([ 5.5, 17.5, 29.5, 41.5, 53.5]) 

Answer 3

In numpy 1.7 Sie mehrachsige zu np.mean geben kann:

d.mean(axis=tuple(range(1, d.ndim))) 

ich das den anderen vorgeschlagenen Lösungen in ähnlicher Weise wird ausführen bin zu raten, es sei denn, das Array Umformung alle Dimensionen zu glätten löst eine Kopie die Daten, in diesem Fall sollte dies viel schneller sein. Dies wird wahrscheinlich zu einer konsistenteren Leistung führen.

Answer 4

Sie können auch numpy.apply_over_axes verwenden:

import numpy as np 

x = np.array([[[1,2],[3,4]],[[5,6],[7,8]]]) 
y = np.apply_over_axes(np.mean, x, (1, 2)) 
y = array([[[ 2.5]],[[ 6.5]]])