Python 基于二维阵列的三维numpy切片的平均值

我试图计算第1轴上两个索引之间的3D数组的平均值。起始索引和结束索引因单元而异，由两个单独的二维阵列表示，它们的形状与三维阵列的切片相同

我已经成功地实现了一段代码，它在我的3D阵列的像素中循环，但是对于形状为

（70550350）

的阵列，这种方法的速度非常慢。是否有方法使用

numpy

或

xarray

对操作进行矢量化（数组存储在

xarray

数据集中）

下面是我想优化的一个片段：

#我的3D光栅包含值；形状=（时间，x，y）
值=np.rand.rand（10,55,60）
#二维光栅，包含用于平均的起始索引
start_index=np.random.randint（0,4，size=（values.shape[1]，values.shape[2]））
#包含用于平均的末端索引的二维光栅
end_index=np.random.randint（5,9，size=（values.shape[1]，values.shape[2]））
#初始化将包含结果的数组
mean_数组=np.zeros_like（值[0，：，：]）
#在三维光栅上循环以计算轴0上索引之间的平均值
对于范围（0，values.shape[1]）中的i：
对于范围（0，值.shape[2]）中的j：
mean_数组[i，j]=np.mean（值[start_index[i，j]：end_index[i，j]，i，j]，轴=0）

不使用循环的一种方法是将不想使用的项归零，计算剩余项的总和，然后除以非零项的数量。例如：

i=np.arange（values.shape[0]）[：，无，无]
平均数组_2=np。其中（（i>=开始_索引）和（i<结束_索引），值为0。求和（0）/（结束_索引-开始_索引）
np.allclose（平均数组，平均数组2）
#真的

---

注意，这假设索引在

0的范围内，我的值通常在-10到+10之间。如果我理解正确，我必须将它们从0标准化为
值。形状[0]
，进行运算并将平均值转换回初始范围？不，值可以是任何值。开始和结束索引必须在范围内，这两种方法才能产生相同的结果。感谢您提供的信息，我测试了您的代码，效果很好。它比循环（600倍）快得多。有趣的是，它比使用numba jit循环慢2倍。但话说回来，这是相同的数量级，正如我所指出的，nuba抛出错误时更难调试。