Python中的双重求和

Question

我正在尝试编写一个代码来进行双重求和（见图）

其中; M是科目， N是试验， Yijt是测量的波形数据（3d数组）

到目前为止，我有; 给定Y是按Y [主题，试验，时间]排列的数据

# ranges:
I = len(Y)
J = len(Y[0])

Y_i_vals = 0

for i in range(M):
    for j in range(N):
        Y_i_vals = Y_i_vals +Y[i][j]
Yt = (1.0/(M*N)) * Y_i_vals

这似乎不是最有效的方法，我也不确定它是否给出了正确的结果。

Answer 1

如果您正在使用numpy，请执行

np.mean(Y)

此外，将样本输入和预期输出数据添加到您的问题中也很不错。

如果你想为每个t提供方法，你可以np.mean(np.mean(a, axis=0), axis=0) ，或者如@ophion所述，你可以在新的（1.71及以上）版本的NumPy中将其缩短为np.mean(a, axis=(0, 1))。

Answer 2

在像您这样的情况下进行简单的双重求和时，最好使用numpy的einsum：

np.einsum('tij -> t', Y) / (M*N)

Answer 3

为您的问题添加更一般的答案：

您可以在python list comprehension的帮助下对双重求和进行编码。

Yt = (1.0/(M*N)) * sum([Y[i][j] for i in range(M) for j in range(N)])