Python 以NumPy为单位的多轴平均值

我想以Pythonic的方式编写下面的代码，在两个轴上应用平均值。最好的方法是什么

import numpy as np

m = np.random.rand(30, 10, 10)  
m_mean = np.zeros((30, 1))    
for j in range(30):
    m_mean[j, 0] = m[j, :, :].mean()

---

如果你有一个足够新的NumPy，你可以这样做

m_mean = m.mean(axis=(1, 2))

我相信这是在1.7中引入的，尽管我不确定。文档仅在1.10中进行了更新，以反映这一点，但其工作时间早于1.10

如果您的NumPy太老，您可以手动稍微调整一下平均值：

m_mean = m.sum(axis=2).sum(axis=1) / np.prod(m.shape[1:3])

这两者都将产生一维结果。如果您真的想要额外的长度-1轴，您可以执行类似于

m_-mean=m_-mean[：，np.newaxis]

的操作将额外的轴放在那里。

您还可以使用ufunc并将输出数组作为参数传递给

out=

，如中所示：

np.mean(m, axis=(1, 2), out=m_mean)

---

为什么

m_意味着
2D数组？为什么只创建一行的第二个numpy数组？为什么不做一个简单的列表呢？NumPythonic的方法是
m.mean（axis=（1,2））
。对于较老的numpy，你也可以只做
m.mean（axis=2）。mean（axis=1）
@Rob:Ah，你说得对。由于
m.mean（轴=2）
步骤中的所有平均值都在相同数量的元素上，
m.mean（轴=2）.mean（轴=1）
正确地给出了每个元素相等的权重。