Question

给出以下数组：

complete_matrix = numpy.array([
    [0, 1, 2, 4],
    [1, 0, 3, 5],
    [2, 3, 0, 6],
    [4, 5, 6, 0]])

我想确定平均值最高的行，不包括对角线零。因此，在这种情况下，我可以将complete_matrix[:,3]标识为平均值最高的行。

Answer 1

请注意，零的存在不会影响哪一行具有最高平均值，因为所有行都具有相同数量的元素。因此，我们只取每行的均值，然后询问最大元素的索引。

#Take the mean along the 1st index, ie collapse into a Nx1 array of means
means = np.mean(complete_matrix, 1)
#Now just get the index of the largest mean
idx = np.argmax(means)

idx现在是具有最高平均值的行的索引！

Answer 2

正如很多人所指出的那样，只要每列中的零个数相同，就不存在零。如果您的意图是忽略所有零，阻止它们参与平均计算，您可以使用权重来抑制零的贡献。以下解决方案将0权重分配给零条目，否则为1：

numpy.argmax(numpy.average(complete_matrix,axis=0, weights=complete_matrix!=0))

您始终可以创建权重矩阵，其中对角线条目的权重为0，否则为1。

Answer 3

你不必担心0，它们不应该影响平均值的比较，因为每行可能会有一个。因此，您可以执行以下操作来获取具有最高平均值的行的索引：

>>> import numpy as np 
>>> complete_matrix = np.array([
...     [0, 1, 2, 4],
...     [1, 0, 3, 5],
...     [2, 3, 0, 6],
...     [4, 5, 6, 0]])
>>> np.argmax(np.mean(complete_matrix, axis=1))
3

<强>参考：

Answer 4

你会看到这个答案实际上会fit better to your other question被标记为与此重复（并且不知道为什么，因为它不是同一个问题......）

零的存在确实会影响列或行的平均值，例如：

a = np.array([[  0, 1, 0.9,   1],
              [0.9, 0,   1,   1],
              [  1, 1,   0, 0.5]])

在不删除对角线的情况下，它会告诉column 3平均值最高，但是消除对角线的平均值最高属于column 1，现在column 3的平均值最低列！

您可以使用带有和不带对角线的行数的lcm（最小公倍数）来校正计算出的平均值，方法是保证对角元素不存在的位置不应用校正：

correction = column_sum/lcm(len(column), len(column)-1)
new_mean = mean + correction

我复制了lcm from this answer的算法并为您的案例提出了解决方案：

import numpy as np

def gcd(a, b):
    """Return greatest common divisor using Euclid's Algorithm."""
    while b:
        a, b = b, a % b
    return a

def lcm(a, b):
    """Return lowest common multiple."""
    return a * b // gcd(a, b)

def mymean(a):
    if len(a.diagonal()) < a.shape[1]:
        tmp = np.hstack((a.diagonal()*0+1,0))
    else:
        tmp = a.diagonal()*0+1
    return np.mean(a, axis=0) + np.sum(a,axis=0)*tmp/lcm(a.shape[0],a.shape[0]-1)

使用上面给出的a进行测试：

mymean(a)
#array([ 0.95      ,  1.        ,  0.95      ,  0.83333333])

另一个例子：

b = np.array([[  0, 1, 0.9,   0],
              [0.9, 0,   1,   1],
              [  1, 1,   0, 0.5],
              [0.9, 0.2,   1,   0],
              [  1, 1,   0.7, 0.5]])

mymean(b)
#array([ 0.95,  0.8 ,  0.9 ,  0.5 ])

使用更正后的平均值，您只需使用np.argmax()即可获得平均值最高的列索引。同样，np.argmin()获取平均值最小的列的索引：

np.argmin(mymean(a))

在numpy数组中查找具有最高平均值的行

4 个答案: