Python 带numpy的条件平均

给定一个2x3数组，我想计算轴=0的平均值，但只考虑大于0的值

所以考虑到数组

[ [1,0],
  [0,0],
  [1,0] ]

我希望输出是

# 1, 0, 1 filtered for > 0 gives 1, 1, average = (1+1)/2 = 1
# 0, 0, 0 filtered for > 0 gives 0, 0, 0, average = 0    
[1 0]

我现在的代码是

import numpy as np

frame = np.array([ [1,0],
                   [0,0],
                   [1,0] ])

weights=np.array(frame)>0

print("weights:")
print(weights)

print("average without weights:")
print((np.average(frame, axis=0)))

print("average with weights:")
print((np.average(frame, axis=0, weights=weights)))

这给了我

weights:
[[ True False]
 [False False]
 [ True False]]
average without weights:
[ 0.66666667  0.        ]
average with weights:
Traceback (most recent call last):
File "C:\Users\myuser\project\test.py", line 123, in <module>
print((np.average(frame, axis=0, weights=weights)))
File "C:\Users\myuser\Miniconda3\envs\myenv\lib\site-packages\numpy\lib\function_base.py", line 1140, in average
"Weights sum to zero, can't be normalized")
ZeroDivisionError: Weights sum to zero, can't be normalized

权重：
[[真假]
[假]
[对错]]
不含权重的平均值：
[ 0.66666667  0.        ]
加权平均值：
回溯（最近一次呼叫最后一次）：
文件“C:\Users\myuser\project\test.py”，第123行，在
打印（（np.平均值（帧，轴=0，权重=权重）））
文件“C:\Users\myuser\Miniconda3\envs\myenv\lib\site packages\numpy\lib\function\u base.py”，平均第1140行
“权重和为零，无法标准化”）
ZeroDivisionError：权重和为零，无法正常化

---

我不理解这个错误。我做错了什么？如何获得沿

轴=0大于零的所有值的平均值？谢谢
 您可以获得大于零的掩码，并使用它沿第一个轴执行元素级多重应用和求和缩减。最后，除以沿第一个轴的遮罩元素数，得到平均值

因此，一种解决办法是-

mask = a > 0 # Input array : a
out = np.einsum('i...,i...->...',a,mask)/mask.sum(0)

样本运行-

In [52]: a
Out[52]: 
array([[ 3, -3,  3],
       [ 2,  2,  0],
       [ 0, -3,  1],
       [ 0,  1,  1]])

In [53]: mask = a > 0

In [56]: np.einsum('i...,i...->...',a,mask) # summations of > 0s
Out[56]: array([5, 3, 5])

In [57]: np.einsum('i...,i...->...',a,mask)/mask.sum(0) # avg values of >0s
Out[57]: array([ 2.5       ,  1.5       ,  1.66666667])

为了解释所有零列，我们似乎期望结果是
0
。因此，我们可以使用
np.where
进行选择，如下所示-

In [61]: a[:,-1] = 0

In [62]: a
Out[62]: 
array([[ 3, -3,  0],
       [ 2,  2,  0],
       [ 0, -3,  0],
       [ 0,  1,  0]])

In [63]: mask = a > 0

In [65]: np.where( mask.any(0), np.einsum('i...,i...->...',a,mask)/mask.sum(0), 0)
__main__:1: RuntimeWarning: invalid value encountered in true_divide
Out[65]: array([ 2.5,  1.5,  0. ])

不要理会那里的警告

如果您对警告感到偏执，请使用
masking
-

mask = a > 0
vm = mask.any(0) # valid mask
out = np.zeros(a.shape[1])
out[vm] = np.einsum('ij,ij->j',a[:,vm],mask[:,vm])/mask.sum(0)[vm]

0,0,0为>0过滤得到0,0,0
。。。不，没有。你能更准确地描述一下你想如何处理没有发现积极因素的情况吗？结果是否应始终为0？结果应该是所有元素的平均值吗？是否应插补其他值？加权平均值是指平均数与权重乘积之和除以权重之和。由于第二列的权重加起来等于0（三者均为
False
），因此无法进行除法。对发布的解决方案的反馈？当然，在无正元素的情况下，您仍然被零除法，因此如果发生这种情况，您将得到NaN平均值。试图取无数字平均值的潜在概念问题仍然存在。