Obtention de la moyenne des axes multiples d'un tableau numpy

Question

En numpy existe-t-il un moyen rapide de calculer la moyenne sur plusieurs axes? Je calcule la moyenne sur tout sauf l'axe 0 d'un tableau à n dimensions.

Je suis en train de le faire; Je me demande s'il existe une solution qui n'utilise pas de boucle python.

Answer 1

Mon approche serait de remodeler le tableau pour aplatir toutes les dimensions supérieures et ensuite exécuter la moyenne sur l'axe 1. Est-ce ce que vous cherchez?

In [14]: x = np.array([[[1,2],[3,4]],[[5,6],[7,8]]]) 

In [16]: x.reshape((x.shape[0], -1)).mean(axis=1) 
Out[16]: array([ 2.5, 6.5]) 

(étape 2 calcule simplement le produit des longueurs des DiMS plus élevées)

Answer 2

Dans la continuité de la suggestion de @ dsg101, est-ce le genre de chose que vous voulez?

>>> import numpy as np 
>>> d=np.reshape(np.arange(5*4*3),[5,4,3]) 
>>> d 
array([[[ 0, 1, 2], 
     [ 3, 4, 5], 
     [ 6, 7, 8], 
     [ 9, 10, 11]], 

     [[12, 13, 14], 
     [15, 16, 17], 
     [18, 19, 20], 
     [21, 22, 23]], 

     [[24, 25, 26], 
     [27, 28, 29], 
     [30, 31, 32], 
     [33, 34, 35]], 

     [[36, 37, 38], 
     [39, 40, 41], 
     [42, 43, 44], 
     [45, 46, 47]], 

     [[48, 49, 50], 
     [51, 52, 53], 
     [54, 55, 56], 
     [57, 58, 59]]]) 
>>> np.mean(np.reshape(d,[d.shape[0],np.product(d.shape[1:])]),axis=1) 
array([ 5.5, 17.5, 29.5, 41.5, 53.5]) 

Answer 3

En numpy 1.7, vous pouvez donner plusieurs axes à np.mean:

d.mean(axis=tuple(range(1, d.ndim))) 

Je devine que cela est semblable à celui des autres solutions proposées, à moins que le remodelage de la matrice pour aplatir toutes les dimensions déclenche une copie les données, auquel cas cela devrait être beaucoup plus rapide. Donc, cela va probablement donner une performance plus cohérente.

Answer 4

Vous pouvez également utiliser numpy.apply_over_axes:

import numpy as np 

x = np.array([[[1,2],[3,4]],[[5,6],[7,8]]]) 
y = np.apply_over_axes(np.mean, x, (1, 2)) 
y = array([[[ 2.5]],[[ 6.5]]])