Question

好几次，我都处理过ND数组，例如

foo = np.arange(27).reshape((3,3, 3))

，然后我有一个维度，我要在该维度上保留下一个操作中的变量。假设下一个操作是mean，在这种情况下

preserveAxis = 1
desiredOutcome = foo.mean(axis=0).mean(axis=1)

前一个是我想要的结果，因为我首先在第0轴上取平均值，然后在第2轴（在初次操作后变成第1个）上取平均值。也就是说，我已经在轴0和2上完成了操作，但保留了轴1 。

这种过程很麻烦，最重要的是不是通用的。我正在寻找一种通用方法来保留一个轴，但求和/求平均值。我如何才能最好地做到这一点，最好在numpy内？

Answer 1

您可以将元组用作axis参数：

foo.mean(axis=(0, 2))

如果数组的维数可变和/或保留的维数可以变化，则可能会有些棘手。参见@Divakar的答案。

Answer 2

这里是一种普遍适用于n-dim减数的案例，ufuncs-

def reduce_skipfew(ufunc, foo, preserveAxis=None):
    r = np.arange(foo.ndim)   
    if preserveAxis is not None:
        preserveAxis = tuple(np.delete(r, preserveAxis))
    return ufunc(foo, axis=preserveAxis)

样品运行-

In [171]: reduce_skipfew(np.mean, foo, preserveAxis=1)
Out[171]: array([10., 13., 16.])

In [172]: foo = np.arange(27).reshape((3,3, 3))

In [173]: reduce_skipfew(np.mean, foo, preserveAxis=1)
Out[173]: array([10., 13., 16.])

In [174]: reduce_skipfew(np.sum, foo, preserveAxis=1)
Out[174]: array([ 90, 117, 144])

# preserve none i.e. sum all
In [175]: reduce_skipfew(np.sum, foo, preserveAxis=None)
Out[175]: 351

# preserve more than one axis
In [176]: reduce_skipfew(np.sum, foo, preserveAxis=(0,2)) 
Out[176]: 
array([[ 9, 12, 15],
       [36, 39, 42],
       [63, 66, 69]])

汇总除一个轴外的所有轴

2 个答案: