NumPy와

Question

의 3D 배열의 2D 슬라이스의 의미하기 나는의 모양과 NumPy와 배열이 : 나는 배열의 각 '조각'의 25 개 요소를 통해 평균을 계산하려는

(11L, 5L, 5L) 

을 [ 0, :, :], [1, :, :] 등 11 개의 값을 반환합니다.

어리석은 것처럼 보이지만이를 수행하는 방법을 찾을 수 없습니다. 나는 mean(axis=x) 함수가 이것을 할 것이라고 생각했지만 축의 모든 가능한 조합을 시도했지만 그 중 아무 것도 내가 원하는 결과를주지 못했습니다.

분명히 for 루프와 슬라이싱을 사용하여이 작업을 수행 할 수 있지만 더 좋은 방법이 있을까요?

Answer 1

이 튜플을 사용하여 축 :

>>> a = np.arange(11*5*5).reshape(11,5,5) 
>>> a.mean(axis=(1,2)) 
array([ 12., 37., 62., 87., 112., 137., 162., 187., 212., 
     237., 262.]) 

편집 :이 wor numpy 버전 1.7 이상에서만 ks.

Answer 2

당신은 reshape(11, 25) 후 한 번만 (빠른) mean를 호출 할 수

a.reshape(11, 25).mean(axis=1) 

을 다른 방법으로, (내 컴퓨터에 느린 배에 대한)를 두 번 np.mean를 호출 할 수

이

a.mean(axis=2).mean(axis=1) 

Answer 3

항상 np.einsum 사용할 수 : 높은 차원 배열에

>>> a = np.arange(11*5*5).reshape(11,5,5) 
>>> np.einsum('...ijk->...i',a)/(a.shape[-1]*a.shape[-2]) 
array([ 12, 37, 62, 87, 112, 137, 162, 187, 212, 237, 262]) 

작품 (이 모든 방법은 축 레이블을 변경 할 경우) :

>>> a = np.arange(10*11*5*5).reshape(10,11,5,5) 
>>> (np.einsum('...ijk->...i',a)/(a.shape[-1]*a.shape[-2])).shape 
(10, 11) 

빠른 부팅 :

a = np.arange(11*5*5).reshape(11,5,5) 

%timeit a.reshape(11, 25).mean(axis=1) 
10000 loops, best of 3: 21.4 us per loop 

%timeit a.mean(axis=(1,2)) 
10000 loops, best of 3: 19.4 us per loop 

%timeit np.einsum('...ijk->...i',a)/(a.shape[-1]*a.shape[-2]) 
100000 loops, best of 3: 8.26 us per loop 

배열 크기가 커짐에 따라 다른 방법보다 조금 더 잘 조정됩니다.

그래서 그냥 한 번 확인에 상당히 위의 타이밍을 변경하지 않습니다 dtype=np.float64 사용 : 재미

또한

a = np.arange(110*50*50,dtype=np.float64).reshape(110,50,50) 

%timeit a.reshape(110,2500).mean(axis=1) 
1000 loops, best of 3: 307 us per loop 

%timeit a.mean(axis=(1,2)) 
1000 loops, best of 3: 308 us per loop 

%timeit np.einsum('...ijk->...i',a)/(a.shape[-1]*a.shape[-2]) 
10000 loops, best of 3: 145 us per loop 

뭔가 :

%timeit np.sum(a) #37812362500.0 
100000 loops, best of 3: 293 us per loop 

%timeit np.einsum('ijk->',a) #37812362500.0 
100000 loops, best of 3: 144 us per loop