用元组作为` `axis`‘参数的`numpy.mean`：不处理蒙面数组
用元组作为` `axis`‘参数的`numpy.mean`：不处理蒙面数组
提问于 2015-05-13 08:32:03
我有一个简单的三维阵列a1和它的蒙面模拟a2
import numpy
a1 = numpy.array([[[ 0.00, 0.00, 0.00],
[ 0.88, 0.80, 0.78],
[ 0.75, 0.78, 0.77]],
[[ 0.00, 0.00, 0.00],
[ 3.29, 3.29, 3.30],
[ 3.27, 3.27, 3.26]],
[[ 0.00, 0.00, 0.00],
[ 0.41, 0.42, 0.40],
[ 0.42, 0.43, 0.41]]])
a2 = numpy.ma.masked_equal(a1, 0.)我想一次沿着几个轴执行这个数组的平均值(这是axis参数在numpy.mean中的一种奇怪的、无文档化的用法，例如，参见here )：
numpy.mean(a1, axis=(0, 1))这在a1中运行得很好，但是我在蒙面数组a2中得到了以下错误
TypeError: tuple indices must be integers, not tuple我在蒙版numpy.ma.mean(a2, axis=(0, 1))中也会得到同样的错误，或者如果我通过a2[a2.mask]=0打开数组的话。
我在numpy.mean中对numpy.mean参数使用元组，因为它实际上不是硬编码的(此命令应用于具有不同维数的数组，根据这些维度，元组是适应的)。
numpy版本1.9.1和1.9.2遇到的问题。
回答 1
Stack Overflow用户
回答已采纳
发布于 2015-05-28 17:36:08
对于MaskedArray参数，numpy.mean调用MaskedArray.mean，后者不支持元组axis参数。通过在支持MaskedArray.mean元组的操作中重新实现axis，可以获得正确的行为。
def mean(a, axis=None):
if a.mask is numpy.ma.nomask:
return super(numpy.ma.MaskedArray, a).mean(axis=axis)
counts = numpy.logical_not(a.mask).sum(axis=axis)
if counts.shape:
sums = a.filled(0).sum(axis=axis)
mask = (counts == 0)
return numpy.ma.MaskedArray(data=sums * 1. / counts, mask=mask, copy=False)
elif counts:
# Return scalar, not array
return a.filled(0).sum(axis=axis) * 1. / counts
else:
# Masked scalar
return numpy.ma.masked或者，如果您愿意依赖MaskedArray.sum使用元组axis (考虑到您使用的是未记录的numpy.mean行为)，
def mean(a, axis=None):
if a.mask is numpy.ma.nomask:
return super(numpy.ma.MaskedArray, a).mean(axis=axis)
sums = a2.sum(axis=axis)
counts = numpy.logical_not(a.mask).sum(axis=axis)
result = sums * 1. / counts我们依靠MaskedArray.sum来处理掩码。
我只对这些函数进行了轻微的测试；在使用它们之前，请确保它们实际工作，并编写一些测试。例如，如果输出为0维且没有蒙面值，则输出是0D MaskedArray还是标量取决于输入掩码是nomask还是所有False的数组。这与默认的MaskedArray.mean行为相同，但可能不是您想要的；我怀疑默认行为是一个bug。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/30209624
复制相关文章
相似问题
腾讯云开发者
