numpy.mean(X, axis=0) 当二维数组时，否则什么都不做

Question

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

对于 1d 数组，我希望它只是 return 本身，因为只有 1 "row"，而不是对元素求平均并 return 标量。

除了在取平均值之前检查 ndim 属性之外，还有其他 pythonic 方法可以做到这一点吗？

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 不会改变任何内容。对于1D，让我们看一个示例案例-

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.])

另一个整形 -

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

Answer 2

一个不太优雅的解决方案，但更多的是 "trick" 将索引元组传递给 axis=… 参数。如果为空，则 returns 原始数组。所以你可以传递一系列索引：

dEdw = dE_matrix.mean(<b>axis=tuple(range(dE_matrix.ndim-1))</b>)

因此，这将导致二维数组的单例元组 (0,) 和一维数组的空元组 ()。

numpy.mean(X, axis=0) 当二维数组时，否则什么都不做

numpy.mean(X, axis=0) when 2d array, else do nothing

python

numpy

linear-algebra