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：

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. ]])