Question

这是我目前的代码：

import numpy as np

vec0 = [1, 2, 3]
vec1 = [2, 3, 4]
vec2 = [3, 4, 5]
vec3 = [4, 5, 6]

for k in range(0, 4):
    globals()['mean%s' % k] = np.mean('vec'+str(k))

我收到了这个错误：

TypeError: cannot perform reduce with flexible type

我想要这个结果。

mean0 = np.mean(vec0)
mean1 = np.mean(vec1)
mean2 = np.mean(vec2)
mean3 = np.mean(vec3)

Answer 1

你可以这样做：

vecs = [vec0, vec1, vec2, vec3]

然后：

globals()['mean%s' % k] = np.mean(vecs[k])

尽管如此，你应该避免使用这种方法并保持2D Array，这对于使用行轴的计算方法来说会更容易。

我的意思是，而不是：

vec0 = [1, 2, 3]
vec1 = [2, 3, 4]
vec2 = [3, 4, 5]
vec3 = [4, 5, 6]

你可以这样：

vecs = np.array([[1, 2, 3], [2, 3, 4], [3, 4, 5], [4, 5, 6]])

然后你可以简单地计算这样的方法：

meansArray = vecs.mean(axis=1)

将mean0, mean1, mean2, mean3放在相应的索引处。

Answer 2

通过名称调用变量是一种反模式。如果您需要对多个对象执行任务，您可以构造这些对象的集合（元组，列表等）。例如：

all_vecs = [vec0, vec1, vec2, vec3]

此外，通过指定axis参数，您现在可以使用numpy轻松处理批量中的平均值：

all_means = np.mean(all_vecs,axis=1)

然后：

>>> all_means array([ 2., 3., 4., 5.])

Answer 3

您可以通过更改：

来实现

globals()['mean%s' % k] = np.mean('vec'+str(k))

到

globals()['mean%s' % k] = np.mean(globals()['vec%s' % k])

但我强烈建议使用矢量：

all_vec = [vec0, vec1, vec2, vec3]

我如何在python中循环函数变量？

3 个答案: