如何计算np.二维阵列的纳米平均值

Question

我有一个包含2d数组的字典。我试图通过这种方式计算平均值，但它不起作用，因为数组也包含nan值。有没有更简单的方法来计算均值呢?

All = np.zeros(385000).reshape(550,700)
for i  in dic.keys():
    a = dic[i]['data']
    avg = (All+a)/len(dic.keys())

Answer 1

上面的答案绝对是好的，但是np.dstack((a,b))可能看起来不是很直接或直观。我们也可以使用np.stack()，使显示更加直观。

代码

a=np.array([[2,np.nan],[5,4]])
b=np.array([[np.nan,3],[7,2]])
c=np.stack((a,b),axis=0)
print(a)
print('='*50)
print(b)
print('='*50)
print(c)
print('='*50)
print(np.nanmean(c,axis=0))

输出

[[ 2. nan]
 [ 5.  4.]]
==================================================
[[nan  3.]
 [ 7.  2.]]
==================================================
[[[ 2. nan]
  [ 5.  4.]]
 [[nan  3.]
  [ 7.  2.]]]
==================================================
[[2. 3.]
 [6. 3.]]

np.dstack()和np.stack()之间的差异可以通过下面我写的例子找到。

代码

dr1=np.array([[1,2,3],[4,5,6],[7,8,9]])
print(dr1)
dr2=np.array([[9,8,7],[6,5,4],[3,2,1]])
print(dr2)
print('='*50)
dr3=np.dstack((dr1,dr2))
print(dr3.shape)
print(dr3)
print(np.sum(dr3,axis=2)) # This will be (row,col,time) but display (col,time) => (row,col) in each row, the 1 in dr2 will be in [3,3,2] => 3 [3,2]
print('='*50)
dr4=np.stack((dr1,dr2),axis=0) # This will be (time,row,col) and display (row,col) => (row,col) in each time, the 1 in dr2 will be in [2,3,3] => 2 [3,3]
print(dr4.shape)
print(dr4)
print(np.sum(dr4,axis=0))

输出

[[1 2 3]
 [4 5 6]
 [7 8 9]]
[[9 8 7]
 [6 5 4]
 [3 2 1]]
==================================================
(3, 3, 2)
[[[1 9]
  [2 8]
  [3 7]]
 [[4 6]
  [5 5]
  [6 4]]
 [[7 3]
  [8 2]
  [9 1]]]
[[10 10 10]
 [10 10 10]
 [10 10 10]]
==================================================
(2, 3, 3)
[[[1 2 3]
  [4 5 6]
  [7 8 9]]
 [[9 8 7]
  [6 5 4]
  [3 2 1]]]
[[10 10 10]
 [10 10 10]
 [10 10 10]]

Answer 2

似乎你正试图找到在两个输入a和b中考虑元素的平均值，忽略NaNs。因此，一种方法是将这两个数组与np.dstack堆叠，这将沿着第三个轴堆叠a和b，然后简单地沿着同一轴使用np.nanmean。因此，我们将有一个简单的实现，如下-

np.nanmean(np.dstack((a,b)),axis=2)

示例运行-

In [28]: a
Out[28]: 
array([[  2.,  nan],
       [  5.,   4.]])
In [29]: b
Out[29]: 
array([[ nan,   3.],
       [  7.,   2.]])
In [30]: np.nanmean(np.dstack((a,b)),axis=2)
Out[30]: 
array([[ 2.,  3.],
       [ 6.,  3.]])

对于从字典中获取2D数组的情况，如问题发布的代码所示，您可以使用循环推导来收集这些数组作为np.dstack的3D数组，最后使用np.nanmean沿着最后一个轴，像这样-

np.nanmean(np.dstack([d['data'] for d in dic]),axis=2)