Python 二维阵列的Numpy元素平均值计算
我是Python新手,面临着在2D numpy数组中计算元素平均值的问题。我在网上搜索过,没有找到适合这种东西的最佳算法 例如,我有一个2D数组:Python 二维阵列的Numpy元素平均值计算,python,numpy,matrix,multidimensional-array,mean,Python,Numpy,Matrix,Multidimensional Array,Mean,我是Python新手,面临着在2D numpy数组中计算元素平均值的问题。我在网上搜索过,没有找到适合这种东西的最佳算法 例如,我有一个2D数组: array = np.arange(20).reshape(4,5) array Out[7]: array([[ 0, 1, 2, 3, 4], [ 5, 6, 7, 8, 9], [10, 11, 12, 13, 14], [15, 16, 17, 18
array = np.arange(20).reshape(4,5)
array
Out[7]:
array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14],
[15, 16, 17, 18, 19]])
我想得到另一个2D numpy数组,其元素等于前一个矩阵的元素平均值。此外,我的目标是使输出矩阵具有与输入矩阵相同的形状
例如,我选择了一个3*3的相邻元素块,并从矩阵的第一个元素(零)开始:
由于它是一个“角”元素,我们无法计算3*3的平均值,因此我假设我们可以计算2*2的平均值:
(0+1+5+6):4=3
然后我们将3*3块移动到下一个元素:
并以相同的方式计算矩阵第一行的平均值,依此类推。
逐行、逐元素移动:
用同样的方法计算它们的平均值:(0+1+2+5+6+7+10+11+12):9=6
这样做
你能告诉我如何创建与输入矩阵形状相同的平均元素矩阵吗?我应该用2个变量的for循环来操作它吗?如果我们不能应用完整的3*3块相邻元素,如何处理“边界”元素
非常感谢您的帮助
注意:在我的计算中,我假设有最终结果矩阵,在这种情况下:
如果选择使用
scipy
,则可以使用:
import numpy as np
from scipy import signal
# Example input
x = np.array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14],
[15, 16, 17, 18, 19]])
# The moving window
y = np.ones((3,3))
# We convolve x with y and then we normalize those value with another convolution
# | first convolution |/| second convolution |
r = signal.convolve2d(x,y,mode='same')/signal.convolve2d(np.ones(x.shape),y,mode='same')
它产生:
array([[ 3. , 3.5, 4.5, 5.5, 6. ],
[ 5.5, 6. , 7. , 8. , 8.5],
[10.5, 11. , 12. , 13. , 13.5],
[13. , 13.5, 14.5, 15.5, 16. ]])
它是如何工作的? 因此,第一次卷积产生所需元素的和:
array([[ 12, 21, 27, 33, 24],
[ 33, 54, 63, 72, 51],
[ 63, 99, 108, 117, 81],
[ 52, 81, 87, 93, 64]])
第二个产生思考(每个位置总共有多少个元素):
您可以单独使用Numpy完成任务 要计算元素及其相邻元素的平均值,请定义以下内容 功能:
def meanSurroud(arr, r, c):
return np.mean(arr[max(r - 1, 0) : r + 2, max(c - 1, 0) : c + 2])
然后为源数组中的每个索引调用它,并将结果保存到
目标阵列:
result = np.empty_like(array, dtype=float)
for ind in np.ndindex(array.shape):
result[ind] = meanSurroud(array, ind[0], ind[1])
结果是:
array([[ 3. , 3.5, 4.5, 5.5, 6. ],
[ 5.5, 6. , 7. , 8. , 8.5],
[10.5, 11. , 12. , 13. , 13.5],
[13. , 13.5, 14.5, 15.5, 16. ]])
这有用吗?哇,这太神奇了@obchardon!卷积正是我需要的!非常感谢你的帮助!
array([[ 3. , 3.5, 4.5, 5.5, 6. ],
[ 5.5, 6. , 7. , 8. , 8.5],
[10.5, 11. , 12. , 13. , 13.5],
[13. , 13.5, 14.5, 15.5, 16. ]])