我有一个numpy数组用于电影用户给出的评分。评级介于1和5之间,而0表示用户不对电影评分。我想计算每部电影的平均评分,以及每个用户的平均评分。换句话说,我将计算每列或一行非零元素的平均值。
是否有一个高效的numpy数组函数来处理这种情况?我知道手动按列或行迭代评级可以解决问题。
提前致谢!
答案 0 :(得分:8)
由于要丢弃的值为0,您可以手动计算平均值,方法是沿轴进行求和,然后除以非零元素的数量(沿同一轴):
a = np.array([[8.,9,7,0], [0,0,5,6]])
a.sum(1)/(a != 0).sum(1)
结果:
array([ 8. , 5.5])
正如您所看到的,零不被视为平均值。
答案 1 :(得分:5)
将所有np.nanmean
值转换为0
后,您可以使用np.nan
。请注意,np.nanmean
仅适用于numpy 1.8
。
import numpy as np
ratings = np.array([[1,4,5,0],
[2,0,3,0],
[4,0,0,0]], dtype=np.float)
def get_means(ratings):
ratings[np.where(ratings == 0)] = np.nan
user_means = np.nanmean(ratings, axis=1)
movie_means = np.nanmean(ratings, axis=0)
return {'user_means' : user_means, 'movie_means' : movie_means}
结果:
>>> get_means(ratings)
{'movie_means': array([ 2.33333333, 4. , 4. , nan]),
'user_means': array([ 3.33333333, 2.5 , 4. ])}
答案 2 :(得分:2)
另一种方法是使用屏蔽数组,屏蔽0值。例如(使用@ Akavali的样本数据):
In [30]: ratings = np.array([[1,4,5,0],
....: [2,0,3,0],
....: [4,0,0,0]], dtype=np.float)
使用ratings
作为掩码创建ratings==0
的蒙版版本:
In [31]: mratings = np.ma.masked_array(ratings, mask=ratings==0)
In [32]: mratings
Out[32]:
masked_array(data =
[[1.0 4.0 5.0 --]
[2.0 -- 3.0 --]
[4.0 -- -- --]],
mask =
[[False False False True]
[False True False True]
[False True True True]],
fill_value = 1e+20)
现在计算每个轴的平均值:
In [33]: mratings.mean(axis=0)
Out[33]:
masked_array(data = [2.3333333333333335 4.0 4.0 --],
mask = [False False False True],
fill_value = 1e+20)
In [34]: mratings.mean(axis=1)
Out[34]:
masked_array(data = [3.3333333333333335 2.5 4.0],
mask = [False False False],
fill_value = 1e+20)