python - 二维数组的 Numpy 元素平均计算
问题描述
我是 Python 新手,遇到了在 2D numpy 数组中计算元素平均值的问题。我在网上搜索并没有找到适合这些东西的最佳算法。
所以,例如我有这个二维数组:
array = np.arange(20).reshape(4,5)
array
Out[7]:
array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14],
[15, 16, 17, 18, 19]])
我想获得另一个 2D numpy 数组,其元素等于前一个矩阵的元素平均值。此外,我的目标是使输出矩阵与输入矩阵具有相同的形状。
例如,我选择了一个 3*3 的邻域元素块,并从矩阵的第一个元素(零)开始:
由于它是一个“角”元素,我们无法计算 3 * 3 的平均值,所以我假设我们可以计算 2 * 2 的平均值:(0+1+5+6):4= 3
然后我们将 3 * 3 块移动到下一个元素:
并以相同的方式计算矩阵第一行的平均值,依此类推。逐行、逐元素移动:
并以相同的方式计算它们的平均值: (0+1+2+5+6+7+10+11+12):9= 6
并继续这样做。
您能否告诉我如何创建与输入矩阵具有相同形状的平均元素矩阵?我应该使用带有 2 个变量的 for 循环来操作它吗?以及如何处理无法应用完整的 3 * 3 相邻元素块的“边界”元素?
非常感谢您的帮助!
PS在我的计算中,我假设有最终结果矩阵,对于这种情况:
解决方案
如果 usingscipy
是一个选项,您可以使用2D 卷积:
import numpy as np
from scipy import signal
# Example input
x = np.array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14],
[15, 16, 17, 18, 19]])
# The moving window
y = np.ones((3,3))
# We convolve x with y and then we normalize those value with another convolution
# | first convolution |/| second convolution |
r = signal.convolve2d(x,y,mode='same')/signal.convolve2d(np.ones(x.shape),y,mode='same')
它产生:
array([[ 3. , 3.5, 4.5, 5.5, 6. ],
[ 5.5, 6. , 7. , 8. , 8.5],
[10.5, 11. , 12. , 13. , 13.5],
[13. , 13.5, 14.5, 15.5, 16. ]])
这个怎么运作 ?
所以第一个卷积产生所需元素的总和:
array([[ 12, 21, 27, 33, 24],
[ 33, 54, 63, 72, 51],
[ 63, 99, 108, 117, 81],
[ 52, 81, 87, 93, 64]])
第二个产生思考(在每个位置求和了多少元素):
array([[4., 6., 6., 6., 4.],
[6., 9., 9., 9., 6.],
[6., 9., 9., 9., 6.],
[4., 6., 6., 6., 4.]])
推荐阅读
- eclipse - 在 Eclipse 中设置多个源文件夹
- javascript - 为什么函数中的简单提示不起作用?
- python - Keras回归模型输出不正确
- javascript - 用户创建新游戏猫鼬时无法更新用户游戏属性
- java - 从并行流收集时的 NPE
- microsoft-custom-vision - 如何从 Microsoft Custom Vision API 获取原始图像名称?
- typescript - 有没有办法将元组的键作为数字?
- ballerina - 如何将字符串转换为int?
- c++ - 如何解决 C6386 警告?
- sql - 将多行的 db2 结果分组以给出不同结果的列