平均超过具有不同切片的 2d numpy 数组

Question

我需要计算每列切片不同的 2D numpy 数组的列的平均值。

比如我有一个数组

    arr = np.arange(20).reshape(4, 5)

每个列的切片的结束索引均值定义为

    bot_ix = np.array([3, 2, 2, 1, 2])

第一列的平均值将是

    arr[0:bot_ix[0], 0].mean()

执行此操作的合适（即 Pythonic + 高效）方法是什么？我的数组大小是 ~(50, 50K).

Answer 1

您可以使用 NumPy broadcasting -

mask = bot_ix > np.arange(arr.shape[0])[:,None]
out = np.true_divide(np.einsum('ij,ij->j',arr,mask),mask.sum(0))

样本运行验证结果-

In [431]: arr
Out[431]: 
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14],
       [15, 16, 17, 18, 19]])

In [432]: bot_ix
Out[432]: array([3, 2, 2, 1, 2])

In [433]: np.true_divide(np.einsum('ij,ij->j',arr,mask),mask.sum(0))
Out[433]: array([ 5. ,  3.5,  4.5,  3. ,  6.5])

In [434]: [arr[0:item, i].mean() for i,item in enumerate(bot_ix)]
Out[434]: [5.0, 3.5, 4.5, 3.0, 6.5] # Loopy version to test out o/p

Answer 2

一种方法是让 numpy 计算累积和，然后在新生成的数组中使用花式索引，如下所示：

np.true_divide(arr.cumsum(axis=0)[bot_ix-1,range(arr.shape[1])], bot_ix)

我不会对速度做出任何假设，因为它不必要地计算比严格要求更多的元素的累计和，但这完全取决于您的特定数据。

Answer 3

Divakar 和 Oliver W. 的混合

mask = np.arange(arr.shape[0])[:, None] < bot_ix
(arr * mask).sum(0) / bot_ix.astype(float)

array([ 5. ,  3.5,  4.5,  3. ,  6.5])

平均超过具有不同切片的 2d numpy 数组

Mean over 2d numpy array with varying slices

indexing

performance

numpy

slice