Python 不同长度阵列的numpy平均值/标准偏差

我有一个大小为5的numpy数组列表。列表中的所有数组都具有不同的长度。我需要一个包含元素平均值的数组和一个包含标准差的数组。 例如：

我想：

[10, 10, 10, 9, 8] and
[1.3, 1.3, 1.3, 1.1, 0]

（我组成了标准开发人员）

---

提前谢谢

一种方法是用

nan

填充空白位置，生成一个2D数组，然后使用

nan

特定的NumPy算术工具，如

nanmean

（计算平均值跳过

nan

）等，沿着适当的轴，如下所示-

In [5]: import itertools

# a is input list of lists/arrays
In [48]: ar = np.array(list(itertools.zip_longest(*a, fillvalue=np.nan)))

In [49]: np.nanmean(ar,axis=1)
Out[49]: array([10., 10., 10.,  9.,  8.])

In [50]: np.nanstd(ar,axis=1)
Out[50]: array([1.63299316, 1.63299316, 1.63299316, 1.        , 0.        ])

In [16]: import pandas as pd

In [17]: df = pd.DataFrame(a)

In [18]: df.mean(0).values
Out[18]: array([10., 10., 10.,  9.,  8.])

In [19]: df.std(0,ddof=0).values
Out[19]: array([1.63299316, 1.63299316, 1.63299316, 1.        , 0.        ])

另一种方法是转换为pandas数据帧，以便用

nan

填充空白位置，然后使用本机解释

nan

的数据帧方法，如下所示-

In [5]: import itertools

# a is input list of lists/arrays
In [48]: ar = np.array(list(itertools.zip_longest(*a, fillvalue=np.nan)))

In [49]: np.nanmean(ar,axis=1)
Out[49]: array([10., 10., 10.,  9.,  8.])

In [50]: np.nanstd(ar,axis=1)
Out[50]: array([1.63299316, 1.63299316, 1.63299316, 1.        , 0.        ])

In [16]: import pandas as pd

In [17]: df = pd.DataFrame(a)

In [18]: df.mean(0).values
Out[18]: array([10., 10., 10.,  9.,  8.])

In [19]: df.std(0,ddof=0).values
Out[19]: array([1.63299316, 1.63299316, 1.63299316, 1.        , 0.        ])

---

太棒了-谢谢！我甚至没有想到NaN没有被包括在mean/std dev中。