从多维Numpy数组中减去均值

Question

我目前正在学习有关Numpy广播的知识，我正在读这本书（Python for Data Analysis by Wes McKinney，作者提到了以下示例以“贬低”二维数组：

import numpy as np

arr = np.random.randn(4, 3)
print(arr.mean(0))
demeaned = arr - arr.mean(0)
print(demeaned)
print(demeand.mean(0))

有效地导致数组demeaned的平均值为0。

我有个想法将其应用于类似图像的三维数组：

import numpy as np

arr = np.random.randint(0, 256, (400,400,3))
demeaned = arr - arr.mean(2)

这当然失败了，因为根据广播规则，尾随尺寸必须匹配，而事实并非如此：

print(arr.shape)  # (400, 400, 3)
print(arr.mean(2).shape)  # (400, 400)

现在，通过从数组第三维中的每个索引中减去均值，我已经使其大部分工作了：

demeaned = np.ones(arr.shape)

for i in range(3):
    demeaned[...,i] = arr[...,i] - means

print(demeaned.mean(0))

在这一点上，返回值非常接近零，我认为这是一个精度错误。我真的对这个想法是正确的，还是我错过了另一个警告？

此外，这并不是实现我想要实现的最干净，最“ numpy”的方式。有没有我可以利用的功能或原理来改进代码？

Answer 1

从numpy版本1.7.0，np.mean和其他几个函数开始，在其axis参数中接受一个元组。这意味着您可以一次在图像平面上执行操作：

m = arr.mean(axis=(0, 1))

此均值将具有(3,)形状，图像的每个平面都有一个元素。

如果要分别减去每个像素的均值，则必须记住广播在右侧边缘对齐了形状元组。这意味着您需要插入一个额外的尺寸：

n = arr.mean(axis=2)
n = n.reshape(*n.shape, 1)

或

n = arr.mean(axis=2)[..., None]

Answer 2

尝试np.apply_along_axis()。

np.apply_along_axis(lambda x: x - np.mean(x), 2, arr)

输出：您将获得具有相同形状的数组，其中每个单元在所需的维度上均值降低（第二个参数，此处为2）。