如何利用元组的列的平均 [英] how to take mean of the column of tuple

问题描述

我有一个元组，我转换为numpay阵列

  DT = np.dtype（浮动，浮动）
AR = np.array（VAL，DTYPE = DT）
 

筛选

  AR = [（0.08181818181818182，0.394023569023569）（0.0,0.0）
 （0.16785714285714287，0.3227678571428571）
 

我想借此列意味着这个数组（0.08 + 0 + 0.16）

试过这个code

  np.mean（AR，轴= 0）
 

但它给这个错误

 打印np.mean（AR，轴= 0）
  文件/usr/local/lib/python2.7/dist-packages/numpy/core/fromnumeric.py，线路2878，平均
    OUT =出来，keepdims = keepdims）
  文件/usr/local/lib/python2.7/dist-packages/numpy/core/_methods.py65行，在_mean
    RET = umr_sum（ARR，轴，DTYPE，出，keepdims）
类型错误：无法执行与灵活型减少
 

解决方案

 导入numpy的是NPDT = np.dtype（浮动，浮动）
AR = np.array（[]，DTYPE = DT）AR = [（0.08181818181818182，0.394023569023569），（0.0，0.0），
    （0.16785714285714287，0.3227678571428571）打印（np.mean（AR，轴= 0））
 

输出

  [0.08322511 0.23893048]
 

更新

这是我的耻辱！这些线是多余的：

  DT = np.dtype（浮动，浮动）
AR = np.array（[]，DTYPE = DT）
 

由于没有下一行， AR 变成一个再分配列表而不是 numpy.ndarray 。

因此​​，无论你应该只使用

  AR = [（0.08181818181818182，0.394023569023569），（0.0，0.0），
    （0.16785714285714287，0.3227678571428571）打印（np.mean（AR，轴= 0））
 

或者，你需要：

  AR = np.array（
    [
        （0.08181818181818182，0.394023569023569）
        （0.0，0.0），
        （0.16785714285714287，0.3227678571428571）
    ]）打印（类型（AR））
打印（np.mean（AR，轴= 0））
 

输出

 ＆LT;类的numpy.ndarray'＆GT;
[0.08322511 0.23893048]
 

I have a tuple which I convert to numpay array

dt=np.dtype('float,float') 
ar=np.array(val,dtype=dt)

Like this

ar=[(0.08181818181818182, 0.394023569023569) (0.0, 0.0)
 (0.16785714285714287, 0.3227678571428571)]

I want to take columns mean of this array ( 0.08+0+0.16)

tried this code

np.mean(ar, axis=0)

but its giving this error

 print np.mean(ar, axis=0)
  File "/usr/local/lib/python2.7/dist-packages/numpy/core/fromnumeric.py", line 2878, in mean
    out=out, keepdims=keepdims)
  File "/usr/local/lib/python2.7/dist-packages/numpy/core/_methods.py", line 65, in _mean
    ret = umr_sum(arr, axis, dtype, out, keepdims)
TypeError: cannot perform reduce with flexible type

解决方案

import numpy as np

dt=np.dtype('float,float')
ar=np.array([], dtype=dt)

ar=[(0.08181818181818182, 0.394023569023569), (0.0, 0.0),
    (0.16785714285714287, 0.3227678571428571)]

print(np.mean(ar, axis=0))

OUTPUT:

[ 0.08322511  0.23893048]

UPDATE

Shame on me! These lines are redundant:

dt=np.dtype('float,float')
ar=np.array([], dtype=dt)

Since there is a reassignment on the next line, ar becomes list instead of numpy.ndarray.

So either you should use just

ar=[(0.08181818181818182, 0.394023569023569), (0.0, 0.0),
    (0.16785714285714287, 0.3227678571428571)]

print(np.mean(ar, axis=0))

or, you need:

ar = np.array(
    [
        (0.08181818181818182, 0.394023569023569),
        (0.0, 0.0),
        (0.16785714285714287, 0.3227678571428571)
    ])

print(type(ar))
print(np.mean(ar, axis=0))

OUTPUT:

<class 'numpy.ndarray'>
[ 0.08322511  0.23893048]

这篇关于如何利用元组的列的平均的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！