Gegeven twee ndarrays
old_set = [[0, 1], [4, 5]]
new_set = [[2, 7], [0, 1]]
Ik ben op zoek naar het gemiddelde van de respectieve waarden tussen de twee arrays, zodat de gegevens zoiets worden als:
end_data = [[1, 4], [2, 3]]
in principe zou het zoiets als
. toepassen
for i in len(old_set):
end_data[i] = (old_set[i]+new_set[i])/2
Maar ik weet niet zeker welke syntaxis ik moet gebruiken.. Alvast bedankt voor de hulp!
Antwoord 1, autoriteit 100%
U kunt een 3D-array maken met uw 2D-arrays die moeten worden gemiddeld en vervolgens het gemiddelde nemen langs axis=0
met behulp van np.mean
of np.average
(de laatste maakt gewogen gemiddelden mogelijk):
np.mean( np.array([ old_set, new_set ]), axis=0 )
Dit middelingsschema kan worden toegepast op elke (n)
-dimensionale array, omdat de gemaakte (n+1)
-dimensionale array altijd de originele arrays zal bevatten worden gemiddeld langs de axis=0
.
Antwoord 2, autoriteit 34%
>>> import numpy as np
>>> old_set = [[0, 1], [4, 5]]
>>> new_set = [[2, 7], [0, 1]]
>>> (np.array(old_set) + np.array(new_set)) / 2.0
array([[1., 4.],
[2., 3.]])
Antwoord 3, autoriteit 3%
Gebruik numpy.average
Ook numpy.average
kan met dezelfde syntaxis worden gebruikt:
import numpy as np
a = np.array([np.arange(0,9).reshape(3,3),np.arange(9,18).reshape(3,3)])
averaged_array = np.average(a,axis=0)
Het voordeel van numpy.average in vergelijking met numpy.mean
is de mogelijkheid om ook de parameter weights te gebruiken als een array met dezelfde vorm:
weighta = np.empty((3,3))
weightb = np.empty((3,3))
weights = np.array([weighta.fill(0.5),weightb.fill(0.8) ])
np.average(a,axis=0,weights=weights)
Als je gemaskeerde arrays gebruikt, overweeg dan ook om numpy.ma.average
omdat numpy.average
behandel ze niet.
Antwoord 4
Zoals eerder gezegd, werkt uw oplossing niet vanwege de geneste lijsten (2D-matrix). Vermijd numpy-methoden en als je geneste for-loops wilt gebruiken, kun je zoiets proberen als:
old_set = [[0, 1], [4, 5]]
new_set = [[2, 7], [0, 1]]
ave_set = []
for i in range(len(old_set)):
row = []
for j in range(len(old_set[0])):
row.append( ( old_set[i][j] + new_set[i][j] ) / 2 )
ave_set.append(row)
print(ave_set) # returns [[1, 4], [2, 3]]