Python numpy从类实例中查找平均值（遍历实例的元素）

假设我有一个包含许多类实例的数组

a = np.array([[A(2, 10)], [A(3, 15)], [A(4, 14)]])

如何仅使用numpy计算第一个

A

索引的平均值

因此，平均值为2，3，4

一种方法是：

thenew = np.zeros((a.size, a.size))
for idx, x in np.ndenumerate(a):
    thenew[idx] = a[idx].a

result = np.average(thenew[:,0])

但是我正在寻找使用numpy的更好的解决方案

完整代码：

import numpy as np

class A():
    def __init__(self, a, b):
        self.a = a
        self.b = b


class B():

    def __init__(self, c, d, the_a):
        self.c = c
        self.d = d
        self.the_a = the_a

    def method(self, the_a):
        thenew = np.zeros((self.the_a.size, self.the_a.size))
        for idx, x in np.ndenumerate(self.the_a):
            thenew[idx] = self.the_a[idx].a

        return np.average(thenew[:,0])

a = np.array([[ A(2, 4)], [A(3,5)], [A(4,4)]])
b = B(1,1,a)
print(b.method(a))

---

我将使用python映射函数中的numpy对应项：

---

从所有属性

a

创建一个列表，并对其求平均值：

>>> np.average([x[0].a for x in a]) 
3.0

列表理解比np更快。对于本用例，矢量化：

%timeit np.average([x[0].a for x in a])
100000 loops, best of 3: 12 µs per loop

vs

---

很好，谢谢！顺便问一下，在这种情况下，索引是如何工作的。我的意思是，

x[0]。a

给了我们第一个元素，好吧。我们会使用

x[1]。a

？（投票表决）不，你需要

x[0]

，因为你的实例在

[]

中，即

[a（2，10）]

。对第二个元素使用

np.average（[x[0].b代表a中的x]）

。除非你在子列表（第二维度）中放置多个实例：

[A（2,10），A（3,15）]

。哦，是的。如果我有

[A（2,10），A（3,4）]

，我会使用

x[1]

，如果你能帮忙的话，我将不胜感激！谢谢

%timeit np.average([x[0].a for x in a])
100000 loops, best of 3: 12 µs per loop

%%timeit
func = np.vectorize(lambda x: x.a)
np.average(func(a))
10000 loops, best of 3: 26.2 µs per loop