Question

我们说我有一个包含许多类实例的数组

a = np.array([[A(2, 10)], [A(3, 15)], [A(4, 14)]])

如何仅使用numpy计算第一个A索引的平均值。

因此，平均值为2,3,4？

一种方法是：

thenew = np.zeros((a.size, a.size))
for idx, x in np.ndenumerate(a):
    thenew[idx] = a[idx].a

result = np.average(thenew[:,0])

但是我正在寻找使用numpy的更好的解决方案。

完整代码：

import numpy as np

class A():
    def __init__(self, a, b):
        self.a = a
        self.b = b


class B():

    def __init__(self, c, d, the_a):
        self.c = c
        self.d = d
        self.the_a = the_a

    def method(self, the_a):
        thenew = np.zeros((self.the_a.size, self.the_a.size))
        for idx, x in np.ndenumerate(self.the_a):
            thenew[idx] = self.the_a[idx].a

        return np.average(thenew[:,0])

a = np.array([[ A(2, 4)], [A(3,5)], [A(4,4)]])
b = B(1,1,a)
print(b.method(a))

Answer 1

从所有属性a创建一个列表并对其进行平均：

>>> np.average([x[0].a for x in a]) 
3.0

对于此用例，列表理解速度比np.vectorize快：

%timeit np.average([x[0].a for x in a])
100000 loops, best of 3: 12 µs per loop

VS

%%timeit
func = np.vectorize(lambda x: x.a)
np.average(func(a))
10000 loops, best of 3: 26.2 µs per loop

Answer 2

我会使用python map函数中的numpy对应函数：numpy.vectorize

    func = np.vectorize(lambda x: x.a)
    np.average(func(a))

numpy从类实例中找到平均值（遍历实例的元素）

2 个答案: