沿轴进行多维权重的Numpy平均 [英] Numpy averaging with multi-dimensional weights along an axis
本文介绍了沿轴进行多维权重的Numpy平均的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!
问题描述
我有一个numpy数组a
,a.shape=(48,90,144)
.我想使用数组b
,b.shape=(90,144)
中的权重沿第一个轴获取a
的加权平均值.因此,输出应该是形状为(48,)
的numpy数组.
I have a numpy array, a
, a.shape=(48,90,144)
. I want to take the weighted average of a
along the first axis using the weights in array b
, b.shape=(90,144)
. So the output should be a numpy array of shape (48,)
.
我知道可以通过列表理解来完成:
I know this can be done with a list comprehension:
np.array([np.average(a[i], weights=b) for i in range(48)])
但是我想避免不得不从列表转换回numpy数组.
But I'd like to avoid having to convert from a list back to a numpy array.
任何人都可以帮忙吗?我确定使用numpy函数和切片是可能的,但是我被卡住了.谢谢!
Can anyone help? I'm sure this is possible using numpy functions and slicing, but I'm stuck. Thanks!
推荐答案
一行:
np.average(a.reshape(48, -1), weights=b.ravel()), axis=1)
您可以使用以下方法进行测试:
You can test it with:
a = np.random.rand(48, 90, 144)
b = np.random.rand(90,144)
np.testing.assert_almost_equal(np.average(a.reshape(48, -1),
weights=b.ravel(), axis=1),
np.array([np.average(a[i],
weights=b) for i in range(48)]))
这篇关于沿轴进行多维权重的Numpy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!
查看全文