Python 求numpy阵列的多轴平均值

在numpy中，有没有一种快速计算多轴平均值的方法？我在计算一个n维数组的0轴以外的所有轴的平均值

我目前正在这样做

for i in range(d.ndim - 1):
    d = d.mean(axis=1)

---

我想知道是否有一种解决方案不使用python循环。

我的方法是重塑数组，使所有高维变平，然后在轴1上运行平均值。这就是你要找的吗

In [14]: x = np.array([[[1,2],[3,4]],[[5,6],[7,8]]])

In [16]: x.reshape((x.shape[0], -1)).mean(axis=1)
Out[16]: array([ 2.5,  6.5])

---

（步骤2只计算较高DIM长度的乘积）

根据@dsg101的建议，这是您想要的吗

>>> import numpy as np
>>> d=np.reshape(np.arange(5*4*3),[5,4,3])
>>> d
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]],

       [[24, 25, 26],
        [27, 28, 29],
        [30, 31, 32],
        [33, 34, 35]],

       [[36, 37, 38],
        [39, 40, 41],
        [42, 43, 44],
        [45, 46, 47]],

       [[48, 49, 50],
        [51, 52, 53],
        [54, 55, 56],
        [57, 58, 59]]])
>>> np.mean(np.reshape(d,[d.shape[0],np.product(d.shape[1:])]),axis=1)
array([  5.5,  17.5,  29.5,  41.5,  53.5])

---

在numpy 1.7中，您可以为

np指定多个轴。平均值

：

d.mean(axis=tuple(range(1, d.ndim)))

---

我猜这将与其他建议的解决方案类似，除非重新调整阵列以展平所有维度会触发数据副本，在这种情况下，这应该快得多。因此，这可能会提供更一致的性能。

您也可以使用numpy.apply\u over\u axes：

import numpy as np

x = np.array([[[1,2],[3,4]],[[5,6],[7,8]]])
y = np.apply_over_axes(np.mean, x, (1, 2))
y = array([[[ 2.5]],[[ 6.5]]])

---

谢谢此外，-1也可以用来代替更高的亮度。@dsg101太棒了！现在编辑！对于numpy 1.7和更新版本，请看是的，我认为这将比OP soln更快。产品（d.shape[1:]）的拼写更好

-1

非常好！但我目前使用的是numpy 1.6。我无法确认该功能是否存在，无论是在numpy的1.7.1版还是1.8.2版中。一厢情愿？你有没有试过，但没有成功？相信我，它是在1.7中出现的。对所有UFUNC进行了更改，因此它会自动传播到依赖于

np.add

的所有函数，如

np.mean

。它没有被添加到

mean

和其他类似函数的文档中，尽管有必要修复它。但您可以查看哪些更新了，并在1.7.0版中将相关更改标记为新的。@Jamie D'oh！我已经尝试过了，但是使用了整数的

列表

，而不是

元组

，灵感来自于您使用

范围

（在Python 2.7中返回列表）的示例。在我看来，numpy函数应该与类型无关，支持任何iterable（list、tuple、range…）。在此之前，您应该更改您的示例，使其真正起作用。=）