Python 沿轴计算修剪平均值

我想计算沿轴的修剪平均值，不需要显式循环。所以 应执行以下操作：

arr=np.random.randn(3,10000)
arr[:,:5]+=999
arr=np.arange(3)[:,None]+arr
out=np.zeros(arr.shape[0])

for i in range(arr.shape[0]):
   col=arr[i,:]
   m=np.abs(col-col.mean())<2*col.std()    
   out[i]=col[m].mean()

print out
print arr.mean(1)

>>将numpy作为np导入
>>>将numpy.ma导入为ma
>>>a=np.arange（24）。重塑（（6,4））
>>>掩码=~（np.abs（a-a.mean（axis=1）[：np.newaxis]）>>面具
数组（[[True，False，False，True]，
[真，假，假，真]，
[真，假，假，真]，
[真，假，假，真]，
[真，假，假，真]，
[True，False，False，True]]，dtype=bool）
>>>ma.数组（a，掩码=掩码）.平均值（轴=1）.数据
数组（[1.5,5.5,9.5,13.5,17.5,21.5]）

使用屏蔽阵列是一种方法：

import numpy.ma as ma
arr = np.transpose(arr)
mask = np.abs(arr - arr.mean(0)) >= 2 * arr.std(0)
print ma.array(arr,mask=mask).mean(0)

---

提供与代码相同的输出。

我认为您的示例中有一些打字错误。您不希望在第4行中使用

？我认为你应该测试你的函数，并发布预期的输入和输出。用户：你应该在正确的地方。增加了一个例子。

>>> import numpy as np
>>> import numpy.ma as ma
>>> a = np.arange(24).reshape((6,4))
>>> mask=~(np.abs(a - a.mean(axis=1)[:,np.newaxis]) < a.std(axis=1)[:,np.newaxis])
>>> mask
array([[ True, False, False,  True],
       [ True, False, False,  True],
       [ True, False, False,  True],
       [ True, False, False,  True],
       [ True, False, False,  True],
       [ True, False, False,  True]], dtype=bool)
>>> ma.array(a,mask=mask).mean(axis=1).data
array([  1.5,   5.5,   9.5,  13.5,  17.5,  21.5])

import numpy.ma as ma
arr = np.transpose(arr)
mask = np.abs(arr - arr.mean(0)) >= 2 * arr.std(0)
print ma.array(arr,mask=mask).mean(0)