Python Numpy：一个维度上的平均值，单位为“；“锯齿状”；三维阵列

假设我有一个N*M*X维数组“data”，其中N和M是固定的，但X是每个条目数据[N][M]的变量

（编辑：为了澄清，我刚刚在3D python列表上使用了np.array（），我用于读取数据，因此numpy数组的维数为N*M，其条目为可变长度列表）

现在我想计算X维上的平均值，这样我剩下一个N*m维数组。在axis参数中使用np.average/mean不起作用，因此我现在的做法是迭代N和m，并将手动计算的平均值附加到一个新列表中，但这感觉不是很“python”：

我是不是漏掉了什么明显的东西？我正在尝试更新我的python技能，所以非常欢迎有趣/多样的响应！）

谢谢

如何使用：

这仍然会在数据元素上进行迭代（这没有什么不符合Pythonic的）。但是由于

数据的
形状
或
轴
没有什么特别之处，所以我只使用
data.flat
。当附加到Python
list
时，使用
numpy
最好为现有数组的元素赋值

有一些快速的数值方法可以处理numpy数组，但大多数（如果不是全部的话）都可以处理简单的数值
d类型。这里的数组元素是
object
（列表或数组），numpy必须求助于通常的Python迭代和列表操作

对于这个小示例，此解决方案比Zwicker的
矢量化
快一点。对于较大的
数据
两种解决方案的时间大致相同。
数据是如何存储的？numpy不提供任何方法来处理锯齿数组（
X
对于numpy来说始终是一个常量），因此您必须用某种东西填充这些值，或者使用屏蔽数组，或者…@mgilson编辑了这个问题。我刚刚有一个3D python列表，并在上面调用了np.array（）。所以我猜这是一个列表对象的2D数组？如果你不知道数据是如何排列的，我们应该怎么做？您可以使用数组的
.shape
和
.dtype
属性来检查这一点。很有趣！我考虑过使用重塑，但不太知道如何使用。我并不是说迭代元素不是非Python的，只是有一个解决方案比使用for循环读起来更干净。一个或另一个将会有一个循环，不管它是在编译函数中，隐藏在Python函数中，还是显式的。如果第三维度不是锯齿状的，它将是一个真正的3d数组，你可以简单地在第三维度上求平均值。我应该深入研究
vectorize
，看看它是如何隐藏循环的。
avgData=[]
for n in data:
    temp=[]
    for m in n:
        temp.append(np.average(m))
    avgData.append(temp)

do_avg = np.vectorize(np.average)
data_2d = do_avg(data)

data = np.array([[1,2,3],[0,3,2,4],[0,2],[1]]).reshape(2,2)
avg=np.zeros(data.shape)
avg.flat=[np.average(x) for x in data.flat]
print avg
#array([[ 2.  ,  2.25],
#       [ 1.  ,  1.  ]])