有没有办法在保持其他维度的同时制作 3D 数组的第二维度的平均值块？

Question

我正在尝试使用以下代码制作 3D 数组的第二维平均值块：

print(DDD_array.shape)

a = DDD_array
new_DDD = []
for i in range(len(DDD_array)):
  means = list(means_of_slices(a[i],17))
  new_DDD.append(means)
new_DDD = np.array(new_DDD)

print(new_DDD.shape)

final_DDD = []
for i in new_DDD:
  final_DDD.append(np.repeat(i,17))
final_DDD = np.array(final_DDD)

print(final_DDD.shape)

这是我得到的输出：

(1000, 187, 9)
(1000, 11)
(1000, 187)

但是我希望输出 final_DDD 保持其原始形状 DDD_array (1000,187,9)，其中只有 187 个数据点被分块到它们的均值和第三维 9值保持不变。

我means_of_slices的函数是：

from itertools import islice
def means_of_slices(iterable, slice_size):
    iterator = iter(iterable)
    while True:
        slice = list(islice(iterator, slice_size))
        if slice:
            yield np.sum(slice)/len(slice)
        else:
            return

你能告诉我哪里出了问题以及如何解决吗？。 means 函数或我的循环有问题吗？

Answer 1

假设：

DDD_array.shape 是 (2,3,2).
DDD_array 是

[[[ 0,  1],
  [ 2,  3],
  [ 4,  5]],

 [[ 6,  7],
  [ 8,  9],
  [10, 11]]]

我的理解是您预期的 final_DDD 是：

[[[ 0.5,  0.5],
  [ 2.5,  2.5],
  [ 4.5,  4.5]],

 [[ 6.5,  6.5],
  [ 8.5,  8.5],
  [10.5, 10.5]]]

解法：

final_DDD = np.broadcast_to(np.mean(DDD_array, axis=-1, keepdims=True), DDD_array.shape)

注：如果预期输出是：

[[[2., 3.],
  [2., 3.],
  [2., 3.]],

 [[8., 9.],
  [8., 9.],
  [8., 9.]]]

那么你只需要传递 axis=1 而不是 axis=-1

有没有办法在保持其他维度的同时制作 3D 数组的第二维度的平均值块？

Is there a way to make chunks of mean values of the 2nd dimension of a 3D array while maintaining other dimensions?

python

arrays

numpy

slice

multidimensional-array