Question

我有一个numpy数组，a，a.shape=(48,90,144)。我想使用数组a，b中的权重沿第一个轴取加b.shape=(90,144)的加权平均值。所以输出应该是一个形状为(48,)的numpy数组。

我知道这可以通过列表理解来完成：

np.array([np.average(a[i], weights=b) for i in range(48)])

但是我想避免将列表转换回numpy数组。

有人可以帮忙吗？我确信这可能是使用numpy函数和切片，但我卡住了。谢谢！

Answer 1

单行：

np.average(a.reshape(48, -1), weights=b.ravel()), axis=1)

您可以使用以下方法进行测试：

a = np.random.rand(48, 90, 144)
b = np.random.rand(90,144)
np.testing.assert_almost_equal(np.average(a.reshape(48, -1),
                                          weights=b.ravel(), axis=1),
                               np.array([np.average(a[i],
                                                    weights=b) for i in range(48)]))

Answer 2

那是我能想到的禁食：

(a * b).mean(-1).mean(-1) * (b.size / b.sum())

它适用于任意数量的源和结果维度。

重塑和1 x均值没有进一步加速：

(a * b).reshape(len(a), -1).mean(-1) * (b.size / b.sum())

使用沿轴的多维权重进行Numpy平均

2 个答案: