变维数组的Python方法

这是一个简单的问题，但我找不到“最佳实践”，我想知道是否有比许多if语句更简单的方法。假设我有一个方法，它接受一个变量'data'，它的形状是（N，M），其中N可以变化。具体来说，有时数据是形状（M，）的一维数组，其他时间N=100，例如数据是形状（100，M）

下面是当N>1时该方法的基本代码。当N>1或N可以等于1（或者最好是data.shape=（M，）而不仅仅是（1，M））时，我如何将其用于一般情况？我可以放很多if语句，但我希望有一个更干净的解决方案

#start with variables data.shape=(N,M), vol.shape=(M,), jstarts and jends .shape=(4,)
N=3
#N=1 #uncomment to test
M=20
jstarts = np.array([0,5,12,15])
jends = np.array([3,10,14,18])
data = np.arange(0,N,M).reshape(N,M)
data_new = np.empty((N,M))

for i in range(0,N):
    for j in range(0,jstarts.size):
        jstart = jstarts[j]
        jend = jends[j]
        tmp = np.sum(data[i,jstart:jend]*vol[jstart:jend])/np.sum(vol[jstart:jend])
        data_new[i,jstart:jend] = tmp

---

*注意：jstart和jend依赖于j，但不依赖于i

我已经花了很多时间在numpy上了，但是IIRC，您应该能够通过使用

省略号来删除至少外部循环：

for j in range(10):
    jstart = jstarts[j]
    jend = jends[j]
    tmp = np.sum(data[...,jstart:jend]*vol[jstart:jend], axis=1)/np.sum(vol[jstart:jend])
    data_new[..., jstart:jend] = tmp

对于范围内的i（…）：对于范围内的j（…）：do_sth（）
不是，而numpy的特殊优势在于使操作快速且富有表现力。我简化了代码，并添加了细节。这是从实际代码中简化出来的（jstart和jend是复杂的np.where（）的替代品）。我知道循环的范围不是很像蟒蛇。也许我应该重构一下。我认为更新后的代码可以简单地使用einsum和基于N==1或不基于N==1的字符串的if语句来完成。仍然有一个嵌套循环。循环的范围非常Pythonic。是
numpy
提供了替代方案，通常用于可以并行完成的事情。但是有些问题本质上是串行的。如果没有样本值-
N，M，data，vol，jstart，jend-
，我认为这个问题应该结束。如果您需要帮助，请使其易于理解和测试。啊，我知道省略号，但没有意识到np.sum（）可以这样操作（我想我必须使用einsum）。我认为这解决了眼前的问题，谢谢。或者，也许
len（data.shape）-1
？这实际上不起作用，在最初的文章中，np.sum（）生成一个值，该值被复制到索引jstart:jend中的data\u新数组中。有了省略号，tmp应该生成一个1d，shape[Nt，1]数组，然后将其放入shape[Nt，jend jstart+1]空间中的新数据中，因此我认为必须手动复制1darray@Michael--正如我所说，我已经有一段时间没有对努比做太多了。你能
np.sum（data[…，jstart:jend].ravel（））
吗？谢谢你的帮助。.ravel只会展平数据并生成标量，但实际上通常生成的1d数组具有不同的值，需要复制。我想我必须咬紧牙关，输入一个if语句来执行tmp=（tmp[np.newaxis，…]）。如果N>1，重复（N，axis=0）