Question

假设一个（1-d）阵列，是否可以计算不同大小的给定组的平均值而不进行循环？而不是

avgs = [One_d_array[groups[i]].mean() for i in range(len(groups))]

像

这样的东西

avgs = np.mean(One_d_array, groups)

基本上我想这样做：

M = np.arange(10000)
np.random.shuffle(M)
M.resize(100,100)
groups = np.random.randint(1, 10, 100)

def means(M, groups):
    means = []
    for i, label in enumerate(groups):
        means.extend([M[i][groups == j].mean() for j in set(p).difference([label])])
    return means

这是在

运行

%timeit means(M, groups)
100 loops, best of 3: 12.2 ms per loop

加速10次左右就已经很好了

Answer 1

无论你是否看到一个循环，都有一个循环这是一种方式，但循环只是隐藏在对map的调用中：

In [10]: import numpy as np

In [11]: groups = [[1,2],[3,4,5]]

In [12]: map(np.mean, groups)
Out[12]: [1.5, 4.0]

Answer 2

另一个隐藏循环是使用np.vectorize：

>>> x = np.array([1,2,3,4,5])
>>> groups = [[0,1,2], [3,4]]
>>> np.vectorize(lambda group: np.mean(x[group]), otypes=[float])(groups)
array([ 2. , 4.5])

NumPy：计算数组中某些元素的平均值

2 个答案: