Python numpy二维阵列的块平均值

我想在NumPy中找到2D数组的块平均值。为简单起见，我们假设数组如下所示：

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]])

我想将这个数组分成3个大小为2x4的块，然后找到所有三个块的平均值（因此平均值的形状为2x4）。第一个块由前4列组成，下一个块由后4列组成，依此类推。因此我的块是：

array([[0, 1, 2, 3],
       [12, 13, 14, 15]])

array([[ 4,  5,  6,  7],
       [16, 17, 18, 19]])

array([[ 8,  9, 10, 11],
       [20, 21, 22, 23]])

我可以使用一个循环来实现这一点，但我觉得最好先通过

重塑

将此数组转换为3D数组，然后沿第三个轴对3D数组使用

平均

方法。这可能类似于

如果有人能为我提供：

1） 。如果存在这样的技巧，一个适当的Pythonic命令来执行块意味着甚至不转换为3D

2） 。如果不是，则使用适当的Pythonic命令进行2D到3D转换

---

3） 。了解使用循环还是使用上面的命令更有效（就空间而言）。

Numpy方法几乎总是会击败python循环，因此我将跳过您的1

对于2，在这种特殊情况下，以下工程：

a = np.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]])
a = a.reshape(2, 3, 4)
>>> a
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]]])
>>> np.mean(a, axis=1)
array([[  4.,   5.,   6.,   7.],
       [ 16.,  17.,  18.,  19.]])

诀窍在于

重塑

。对于需要

n

列块的一般情况，以下是一个选项

a = a.reshape((a.shape[0], -1, n))

你在第三章中的担忧大多是没有根据的。返回原始数组的视图，而不是副本，因此转换为3D只需要更改数组的

形状

和

步长

属性，而不必复制任何实际数据

编辑 要确保重塑不会复制阵列，而是返回一个视图，请按以下步骤进行重塑

a.shape = a = a.reshape((a.shape[0], -1, n))

中的示例大致如下：

>>> a = np.arange(12).reshape(3,4)
>>> b = a.T
>>> b.shape = (12,)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: incompatible shape for a non-contiguous array

a=np.arange（12）。重塑（3,4） >>>b=a.T >>>b.形状=（12，） 回溯（最近一次呼叫最后一次）： 文件“”，第1行，在 AttributeError:非连续数组的不兼容形状 一般来说，只有在阵列上执行了

转置

、

滚动轴

、

交换盘

或类似操作时才会出现问题。

我可以回答您的数字1）

---

你链接的问题，或者实际上是答案，是我见过的最酷的numpy代码之一。谢谢！这太酷了！我提到第（3）点的原因是因为提到返回可能是一个副本，而不是一个视图。

vstack([mean(a[:,4*i:4*(i+1)],axis=1) for i in range(3)]).T