numpy.mean(X， axis=0) 当 2d 数组时，否则什么都不做

Question

我有一个函数，除其他外，计算行的平均值 ndarray(2d 或 1d(。这是通过ndarray.mean(axis=0)

对于 1d 数组，我希望它只返回自身，因为只有 1 个"行"，而不是平均元素并返回标量。

除了在取平均值之前检查ndim属性之外，是否有一种 pythonic 方法可以做到这一点？

def d_Error(X, y, weights, bias):
y_hat = probability(X, weights, bias)
dE_matrix =  (X.T * (y - y_hat)).T  # each row is the gradient at that sample
dEdw = np.mean(dE_matrix, axis=0) # get average gradient
dEdb = (y - y_hat).mean() # gives scalar
dEdz = np.append(dEdw, dEdb)
return dEdz

Answer 1

使用np.atleast_2d-

np.atleast_2d(ar).mean(axis=0)

对于 2D，np.atleast_2d不会改变任何东西。对于1D，我们来看一个示例案例——

In [125]: a1D = np.arange(4).astype(float)
In [126]: a1D
Out[126]: array([0., 1., 2., 3.])
In [127]: np.atleast_2d(a1D).mean(axis=0)
Out[127]: array([0., 1., 2., 3.])

另一个重塑——

ar.reshape(-1,ar.shape[-1]).mean(0)

Answer 2

一个不太优雅的解决方案，但更像是一个"技巧"，是将索引元组传递给axis=…参数。如果为空，则返回原始数组。因此，您可以为其传递一系列索引：

dEdw = dE_matrix.mean(axis=tuple(range(dE_matrix.ndim-1)))

因此，这将导致 2d 数组的单例元组(0,)，以及 1d 数组的空元组()。