numpy从类实例中查找平均值(迭代实例的元素)
numpy从类实例中查找平均值(迭代实例的元素)
提问于 2017-02-03 16:49:01
假设我有一个充满了许多类实例的数组
a = np.array([[A(2, 10)], [A(3, 15)], [A(4, 14)]])如何使用numpy仅计算前几个A指数的平均值。
因此，2，3，4的平均值？
一种方法是：
thenew = np.zeros((a.size, a.size))
for idx, x in np.ndenumerate(a):
thenew[idx] = a[idx].a
result = np.average(thenew[:,0])但是我正在寻找一个使用numpy的更好的解决方案。
完整代码：
import numpy as np
class A():
def __init__(self, a, b):
self.a = a
self.b = b
class B():
def __init__(self, c, d, the_a):
self.c = c
self.d = d
self.the_a = the_a
def method(self, the_a):
thenew = np.zeros((self.the_a.size, self.the_a.size))
for idx, x in np.ndenumerate(self.the_a):
thenew[idx] = self.the_a[idx].a
return np.average(thenew[:,0])
a = np.array([[ A(2, 4)], [A(3,5)], [A(4,4)]])
b = B(1,1,a)
print(b.method(a))回答 2
Stack Overflow用户
回答已采纳
发布于 2017-02-03 17:01:06
根据所有属性a和创建一个列表，并对它们取平均值：
>>> np.average([x[0].a for x in a])
3.0对于这个用例，列表理解比np.vectorize更快：
%timeit np.average([x[0].a for x in a])
100000 loops, best of 3: 12 µs per loop与
%%timeit
func = np.vectorize(lambda x: x.a)
np.average(func(a))
10000 loops, best of 3: 26.2 µs per loopStack Overflow用户
发布于 2017-02-03 17:00:49
我将使用来自python map函数的numpy的对应函数：numpy.vectorize
func = np.vectorize(lambda x: x.a)
np.average(func(a))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/42020164
复制相关文章
相似问题
腾讯云开发者
