import numpy as np
np.random.random((5,5))
array([[ 0.26045197, 0.66184973, 0.79957904, 0.82613958, 0.39644677],
[ 0.09284838, 0.59098542, 0.13045167, 0.06170584, 0.01265676],
[ 0.16456109, 0.87820099, 0.79891448, 0.02966868, 0.27810629],
[ 0.03037986, 0.31481138, 0.06477025, 0.37205248, 0.59648463],
[ 0.08084797, 0.10305354, 0.72488268, 0.30258304, 0.230913 ]])
我有一个2D numpy数组,每个单元格值代表一个分数(介于0.0和1.0之间)。我想修改2D数组,以便数组平均值匹配特定数字,即0.8。为此,我想使用foll。 ALGO:
计算2D数组的平均值。假设给定的二维数组
对于网格中的每个单元格(例如值为0.25),将其值增加/减少等于(0.8 - 0.6,即0.2)。
如果在步骤2中,更改使单元格值超出0.0 / 1.0,则将值设置为0.0 / 1.0并修改其他单元格以进行补偿。
我可以这样做第1步:
numpy.mean(arr)
我可以使用for循环执行第2步,但不确定如何执行第3步。此外,更喜欢使用pythonic方式。
答案 0 :(得分:2)
Numpy的索引魔法很有趣,可以编程:
import numpy as np
aa = np.random.random((5, 5))
m = np.mean(aa)
d = 0.8 - m # value to add
bb = aa + d
if d > 0: # Modify values != 1
ii = aa + d > 1
d2 = np.sum(bb[ii] - 1)
bb[ii] = 1
bb[~ii] = bb[~ii] + d2/np.sum(~ii)
elif d < 0: # Modify values != 0
ii = aa + d < 0
d2 = np.sum(bb[ii])
bb[ii] = 1
bb[~ii] = bb[~ii] + d2/np.sum(~ii)
print("The mean of bb is %f" % np.mean(bb))
出于好奇:是不是缩放,即增加,而不是减去更自然的方法来解决这些问题?