Python 一个numpy数组的质心，如何使其不那么冗长？

根据我对numpy的了解，将一个操作应用于数组的每一行，一次一个。广播显然是首选的方法。考虑到这一点，我如何获取具有形状

（N，3）

的数据并将其转换为质心？下面是我正在使用的“坏方法”。这是可行的，但我怀疑它会对大型

N

的性能造成影响：

CM = R.sum(0)/R.shape[0]
for i in xrange(R.shape[0]): R[i,:] -= CM

试一试

---

相反。广播将自动执行正确的操作。

根据您的定义，您可以将重心计算简化为：

R -= R.mean(axis=0)

如果数组的不同元素在

mass

中定义了不同的质量，那么我将使用：

R -= np.average(R,axis=0,weights=mass)

---

参见

所以错误是试图将

CM

数组塞进减法中，而不是一次性解决它？@Hooked:你也可以做

CM=R.sum（0）/len（R）；R-=CM

，但我认为中间变量并没有真正帮助可读性。有点晚了，但是

scipy.ndimage.measurements.center\u of \u mass

可能是一个相关的函数，需要知道。。。

R -= np.average(R,axis=0,weights=mass)