Python 使用numpy.reformate（）添加标注

我正试图解决一个问题。我有一个数组中的气候模型数据，在这个模型的纬度和经度网格点上有480个月的条目（细节是不相关的）。也就是说，我有一个尺寸为（480，lat，lon）的numpy数组

我需要在每个空间网格点创建年平均值。我想这样做的方法是使用

numpy.reforme（）

创建一个4D数组，其中包含维度（480/12，12，lat，lon）（在这里，我将时间步分组为12组，并按原样重新打包）。然后沿第二个轴取平均值（

np.mean（dat\u new，axis=1）

）

整个事情都会是

dat_new = np.reshape(dat, (dat.shape[0]/12, 12, dat.shape[1], dat.shape[2]))
dat_annual_mean = np.mean(dat_new, axis = 1)

我的问题是：重塑是这样工作的吗？它会按照正确的顺序重新安排事情吗？如果没有（或者即使是这样），是否还有其他（可能不那么笨拙的方法来实现这一点？）

---

谢谢。

您应该首先排列尺寸，以便按照正确的顺序重塑数据

dat_new=np.reshape(np.transpose(dat,(1,2,0)),
                   (dat.shape[1],dat.shape[2],dat.shape[0]//12, 12))
dat_annual_mean = np.mean(dat_new, axis = 3)

---

i、 e.它将为您提供一个尺寸为（lat、lon、480/12）的数组，您可以在必要时进一步转置。

简化后，我们可以看到整个数组，我认为您正在尝试这样做：

In [608]: arr = np.zeros((3*4,2),int)
In [609]: arr[:,0]=np.arange(12)
In [610]: arr
Out[610]: 
array([[ 0,  0],
       [ 1,  0],
       [ 2,  0],
       [ 3,  0],
       [ 4,  0],
       [ 5,  0],
       [ 6,  0],
       [ 7,  0],
       [ 8,  0],
       [ 9,  0],
       [10,  0],
       [11,  0]])
In [611]: arr.reshape(3,4,2)
Out[611]: 
array([[[ 0,  0],
        [ 1,  0],
        [ 2,  0],
        [ 3,  0]],

       [[ 4,  0],
        [ 5,  0],
        [ 6,  0],
        [ 7,  0]],

       [[ 8,  0],
        [ 9,  0],
        [10,  0],
        [11,  0]]])
In [612]: _.mean(axis=1)
Out[612]: 
array([[ 1.5,  0. ],
       [ 5.5,  0. ],
       [ 9.5,  0. ]])

---

看起来不错，除了我会使用：

dat.shape[0]//12

或简单的

-1

让它决定剩余的长度。用一个小数组进行实验，你可以看到值的布局，例如

arr=np.arange（6*2）。重塑（6,2,1）

。

重塑（3,2,2,1）

看起来正确吗？@hpaulj不，不正确，但诚实地说，如果不建议替代方案，它就不起作用，这对我真的没有帮助。我们正在试图弄清楚你想要什么样的安排。如果重塑不起作用，则可能需要转置/交换轴。但是没有一个具体的例子，我们只是猜测。如果我理解正确，你有一个形状数组（480，3），即480个数据点测量值和相关的纬度和经度。或者你有一个完美的纵横组合网格吗？numpy.reforme（）的哪些特性让你知道这是可行的？我看不出换位有什么帮助。重塑的默认假设是类似C的索引顺序，因此最后一个索引变化最快。我假设你的480个样本是这样分布的，（lat，lon，0…39）对应于一月，（lat，lon，40…79）到二月，等等。如果你有疑问，也许准备一个测试数组，在那里你知道结果。我刚刚看了重塑的文档，如果你添加order='F'作为重塑的选项，你的原始代码也应该可以工作，这给了你Fortran顺序，第一个索引变化最快的地方。对不起，我以前没有看到你上面的最新帖子。既然我更好地理解了您的数据，我想（新的）上层代码是正确的。无论如何，我建议您理解/阅读多维数组是如何排序的，这只是为了确定。