Python 计算多轴上的平均值

假设

inp=np.random.randint（1500，大小=（1,2,5,5））

输出为：

array([[[[ 58, 223, 150, 287,  56],
         [ 59,  19, 436, 441, 299],
         [194,  79, 133,  19, 113],
         [242, 497, 494,  54,   6],
         [ 57, 382, 123, 114,  40]],

        [[170, 482, 464,  78, 429],
         [ 97, 445, 129, 319, 181],
         [370, 413, 304, 177, 215],
         [  4, 279, 366,  66,  65],
         [260, 375, 492, 282, 277]]]])

现在如果我这样做了

np.sum（inp，轴=（2,3））

我明白了

---

我知道列和行分别是轴0和轴1，但我已经看到许多轴作为元组传递的地方。我不知道在这种情况下输出尺寸是如何计算的，也不知道它是沿着哪个轴或轴的组合发生的。我可以了解一下吗？

我通常建议生成一个测试模式，而不是尝试使用一个随机整数序列来确定发生了什么

shp = (1, 2, 3, 4)

a = np.arange(np.prod(shp)).reshape(shp)

a
Out[3]: 
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]]]])

np.mean(a, axis=(0,1))
Out[4]: 
array([[ 6.,  7.,  8.,  9.],
       [10., 11., 12., 13.],
       [14., 15., 16., 17.]])

np.mean(a, axis=(1,2))
Out[5]: array([[10., 11., 12., 13.]])

np.mean(a, axis=(2,3))
Out[6]: array([[ 5.5, 17.5]])

从那里，您可以删除可能会混淆预期内容的轴，然后重新检查

a = a.squeeze()

np.mean(a, axis=(0,1))
Out[8]: array([10., 11., 12., 13.])

np.mean(a, axis=(1,2))
Out[9]: array([ 5.5, 17.5])

---

这等于np.sum（np.sum（inp，2，axis=2）sum一次减少一个维度。结果是一个（1,2）数组，原始（1,2,5,5）的前两个维度。在这些sum/mean/max类型的操作中，指定的轴“消失”。

np.sum（inp，axis=（2,3），keepdims=True）。shape

也可以帮助可视化操作。在你的例子中，初始尺寸1维可能会令人困惑。@hpaulj我得到了你的第一条评论，这是有意义的：无论你指定哪个轴，这些轴都会“消失”，剩下的轴是结果的形状，但剩下的轴的值是由什么决定的呢？就像NaN在下面描述的那样，是什么决定了结果中的值？比如，在NaN的回答中，“np.mean（a，axis=（2,3））”

a = a.squeeze()

np.mean(a, axis=(0,1))
Out[8]: array([10., 11., 12., 13.])

np.mean(a, axis=(1,2))
Out[9]: array([ 5.5, 17.5])