Question

我有一个尺寸为（690L，15L）的2D numpy数组。我只需要在某些奇数列中对此数据集计算列的均值，但要满足以下条件：当且仅当特定列中同一行中的元素满足条件时，才需要包含一行。让我们用一些代码来清除所有问题。

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

我有一个充满索引的数组，需要执行均值（和方差）

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

条件是dataset[i, 14] == 1 作为输出，我想要一个长度为len(index_catego)的一维数组，其中该数组的每个元素都是先前各列的均值

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

我最近正在使用Python，但是我敢肯定有一种很酷的方法可以使用np.where，mask，np.mean或其他东西来实现此目的。

我已经实现了一个解决方案，但是它并不优雅，我不确定它是否正确。

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)

如果您想尝试解决方案，我会举一些数据示例

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

感谢您的帮助。

更新1： 我尝试过了

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)

但是由第一个（溶液不凉）和第二个溶液（一行凉凉的溶液）计算出的均值不同。我检查了dataset[:, index_catego][dataset[:, 14] == 0]和dataset[:, index_catego][dataset[:, 14] == 1]所选择的内容，看起来是否正确（正确的尺寸和正确的元素）。

更新2： 好的，第一个解决方案是错误的，因为（例如）第一列只有0和1作为元素，但平均返回值>1。我不知道在哪里失败。似乎肯定的类别是正确的（或至少是合理的），而否定的类别甚至是不合理的。

那么，第二种解决方案正确吗？有更好的方法吗？

更新3： 我想我找到了第一个解决方案的问题：我正在使用jupyter Notebook，有时（并非一直）在重新运行第一个解决方案所在的单元格时，matrix_mean_positive和matrix_mean_negative中的元素是加倍。如果有人知道为什么，可以指点我吗？

现在两种解决方案都返回相同的平均值。

Answer 1

执行内核->在jupyter笔记本中重新启动以清除内存，然后重新运行

仅当满足每行元素上的条件时，才计算2D数组特定列的均值和方差

1 个答案: