Python 3d numpy阵列的模式/中值/平均值

我有一个3d numpy阵列，我的目标是得到它的平均值/模式/中值

它的形状为[500300,3]

我想举个例子：

[430232,22]作为模式

有办法做到这一点吗？标准的np.mean（数组）给了我一个非常大的数组

我不知道这是不是真的对

weather_image.mean(axis=0).mean(axis=0)

---

它给了我一个1d np数组，长度为3

你想得到沿前两个轴的平均值/中值/模式。这应该起作用：

data = np.random.randint(1000, size=(500, 300, 3))

>>> np.mean(data, axis=(0, 1)) # in nunpy >= 1.7
array([ 499.06044   ,  499.01136   ,  498.60614667])
>>> np.mean(np.mean(data, axis=0), axis=0) # in numpy < 1.7
array([ 499.06044   ,  499.01136   ,  498.60614667])
>>> np.median(data.reshape(-1, 3), axis=0)
array([ 499.,  499.,  498.]) # mode
>>> np.argmax([np.bincount(x) for x in data.reshape(-1, 3).T], axis=1)
array([240, 519, 842], dtype=int64)

data=np.random.randint（1000，大小=（500300,3））
>>>np.平均值（数据，轴=（0，1））#单位：nunpy>=1.7
阵列（[499.06044499.01136498.60614667]）
>>>np.平均值（np.平均值（数据，轴=0，轴=0）#单位：numpy<1.7
阵列（[499.06044499.01136498.60614667]）
>>>中位数（数据整形（-1,3），轴=0）
数组（[499,499,498.]）#模式
>>>np.argmax（[np.bincount（x）表示数据中的x。重塑（-1，3.T]，轴=1）
数组（[240519842]，dtype=int64）

---

请注意，

np.median

需要一个展平的数组，因此需要重塑。bincount只处理1D输入，因此列表理解，再加上解包时的一点换位魔法。

有什么想法，请告诉我现在发现的任何人，np.MIDAL不再需要扁平数组。自版本1.9.0以来，支持轴序列，默认操作是计算展平阵列的中值，除非轴参数中另有规定。