行上的Numpy迭代

例如，出于速度原因，我有一种误解，认为在Numpy中应该避免for循环

导入numpy
a=numpy.array（[[2,0,1,3]，[0,2,3,1]]
targets=numpy.array（[[1,1,1,1,1,1]]
输出=numpy.zero（（2,1））
对于范围（2）中的i：
输出[i]=numpy.mean（目标[a[i]]）

---

这是获得每行选定位置平均值的好方法吗？感觉可能有办法先对数组进行切片，然后直接应用平均值。

numpy

实际上为您解释了这一点：

targets[a]

可以“按行”工作，然后使用

np。平均值（targets[a]，axis=1）

正如@hpaulj在注释中建议的那样，它完全满足您的需要：

import numpy

a = numpy.array([[2,0,1,3],[0,2,3,1]])
targets = numpy.arange(1,6) # To make the results differ
output = numpy.mean(targets[a], axis=1) # the i-th row of targets[a] is targets[a[i]]

---

numpy

实际上为您解释了这一点：

targets[a]

以“行”方式工作，随后使用

np.mean（targets[a]，axis=1）

正如@hpaulj在注释中所建议的那样，完全符合您的要求：

import numpy

a = numpy.array([[2,0,1,3],[0,2,3,1]])
targets = numpy.arange(1,6) # To make the results differ
output = numpy.mean(targets[a], axis=1) # the i-th row of targets[a] is targets[a[i]]

---

我想你正在寻找这个：

targets[a].mean(1)

---

请注意，在您的示例中，

目标必须是一维而不是二维的。否则，您的循环将抛出绑定索引，因为它解释行索引而不是列索引的索引。
我认为您正在寻找以下内容：

targets[a].mean(1)

请注意，在您的示例中，
targets
需要是一维的，而不是二维的。否则，当循环解释行索引而不是列索引时，会抛出绑定索引。
目标[a]

看起来像什么？你能使用

np.mean的轴参数吗
目标[a]
是什么样子的？是否可以使用
np.mean
的轴参数？