Python 计算从最接近的矩阵中获得的矩阵索引的平均值

我需要计算一个矩阵的平均指数，使用它的密室数。这里有一个例子

A=[
 [ 8.16666667  8.16666667  8.16666667  8.16666667  8.16666667  8.16666667]
 [ 8.16666667 10.          8.16666667  8.16666667  8.16666667  8.16666667]
 [ 8.16666667  8.          9.          8.          8.16666667  8.16666667]
 [ 8.16666667  8.16666667  9.          5.          8.16666667  8.16666667]
 [ 8.16666667  8.16666667  8.16666667  8.16666667  8.16666667  8.16666667]
 [ 8.16666667  8.16666667  8.16666667  8.16666667  8.16666667  8.16666667]]

假设我们有这个矩阵，下一次迭代我需要用它的平均值刷新这个值。但是平均值需要用壁橱的数值来计算。如果我取

A[0][0]

它的平均值必须是，

result=A[0][1]+A[1][0]/2

，直到这里，没有问题

现在让我们计算

A[3][3]

位置的值。结果必须是

result=A[3][4]+A[3][2]+A[2][3]+A[4][3]/4

我所面临的问题是设计算法来自动完成这项工作，不仅如此，而且要以一种简单的方式为pc机完成。因为我知道我可以在每个位置一步一步地完成这项工作，但这需要太多的代码行。我正在使用python进行计算

这是我的第一个想法。

将其划分为多个部分，并将算法应用于每个条件

---

但是我认为它可以改进。

如果您正在寻找一个必须自己编写的函数，您可以查看

averagepoolg2d

示例。你可以在上面看到一个例子。此外，还有一些使用

numpy

实现

averagepoolig2d

的指南。像这样

但是如果您能够使用库，您可以检查

Keras