Question

我有一些二维numpy数据，我想使用映射的平均值（或其他一些统计量）转换为更高维的数组。

源数据是MxN形状的2D，我想将其映射到4D数组（AxBxCxD形状）上。从源数据到四个维度中每个维度的索引映射是通过2D（MxN形状）变量或平铺的1D（Mx1形状）变量创建的。

下面是我正在尝试做的一个可行示例。尽管这似乎可行，但我想知道是否有一个函数可以让我：

1）使用for循环和

2）允许目标数组具有可变数量的尺寸（3D，4D，5D等）。

import numpy as np

# create data I want to conditionally average  (MxN array)
zz = np.random.rand(100,10)

# create variables used to define binning for conditional averaging 
# each variable defines one dimension of the final 4 dimensional array
aa = np.random.rand(100,10)*10
bb = np.random.rand(100,1) + 5
cc = np.random.rand(100,1) * 25
dd = np.random.rand(100,1)* 50 + 100

# define binning boundaries
binsaa = np.array([2, 4, 6, 8])
binsbb = np.array([5.1, 5.5, 5.7])
binscc = np.array([12])
binsdd = np.array([110, 133])

# create bin indicies
idaa = np.digitize(aa,binsaa,right=True)
idbb = np.digitize(bb,binsbb,right=True)
idcc = np.digitize(cc,binscc,right=True)
iddd = np.digitize(dd,binsdd,right=True)

# tile some of the indicies so they match the shape of the data to be averaged
idbbt = np.tile(idbb,[1,10])
idcct = np.tile(idcc,[1,10])
idddt = np.tile(iddd,[1,10])

# make empty destination 4 dimensional arrays 
avgxx = np.zeros([5,4,2,3])
cntxx = np.zeros([5,4,2,3])

# use for loops to average original data and place in 4-dim array
for ixa in range(5):
    for ixb in range(4):
        for ixc in range(2):
            for ixd in range(3):
                idz = (idaa == ixa) &  (idbbt == ixb) &  (idcct == ixc) &  (idddt == ixd)
                avgxx[ixa,ixb,ixc,ixd] = np.average(zz[idz])
                cntxx[ixa,ixb,ixc,ixd] = np.sum(idz)

print(avgxx[:,:,:,:])
print(cntxx[:,:,:,:])

从2D到更高维度的numpy数组的映射平均

0 个答案: