在多个维度上平均 numpy 掩码数组

Question

可以计算多个维度上的 numpy 数组的平均值，例如。 my_ndarray.mean(axis=(1,2))。

但是，它似乎不适用于 掩码数组:

>>> import numpy as np
>>> a = np.random.randint(0, 10, (2, 2, 2))
>>> a
array([[[0, 9],
        [2, 5]],

       [[8, 6],
        [0, 7]]])
>>> a.mean(axis=(1, 2))
array([ 4.  ,  5.25])
>>> ma = np.ma.array(a, mask=(a < 5))
>>> ma.mean(axis=(1, 2))
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/lib/python2.7/site-packages/numpy/ma/core.py", line 5066, in mean
    cnt = self.count(axis=axis)
  File "/usr/lib/python2.7/site-packages/numpy/ma/core.py", line 4280, in count
    n1 = np.size(m, axis)
  File "/usr/lib/python2.7/site-packages/numpy/core/fromnumeric.py", line 2700, in size
    return a.shape[axis]
TypeError: tuple indices must be integers, not tuple

如何计算多个轴上的掩码数组的平均值，最好像普通数组一样简单？

（我宁愿使用不意味着定义新函数的解决方案，如中所提议的那样。）

Answer 1

你可以在均值之前重塑它：

>>>ma.reshape(mc.shape[0],-1).mean(1)
masked_array(data = [1.6666666666666667 4.0],
         mask = [False False],
         fill_value = 1e+20)

请注意，部分应用平均会导致结果不明确：

>>> ma.mean(1).mean(1)
masked_array(data = [1.5 4.0],
             mask = [False False],
       fill_value = 1e+20)


>>> ma.mean(2).mean(1)
masked_array(data = [2.25 4.0],
             mask = [False False],
       fill_value = 1e+20)

解释者：

>>>ma
masked_array(data =
 [[[0 1]
  [4 --]]

 [[-- --]
  [-- 4]]],
             mask =
 [[[False False]
  [False  True]]

 [[ True  True]
  [ True False]]],
       fill_value = 999999)

每种情况下的权重都不相同。

要在其他维度取平均值，可以在之前使用np.rollaxis。

Answer 2

我发现虽然 np.ma.mean 不起作用，但 np.ma.average 给出了预期的结果：

>>> np.ma.average(ma, axis=(1,2))
masked_array(data = [7.0 7.0],
             mask = [False False],
       fill_value = 1e+20)

这令人困惑，因为对于常规数组，np.average 只是 np.mean 的包装器。但只要有用，我就不会抱怨！

在多个维度上平均 numpy 掩码数组

Averaging numpy masked array over multiple dimensions

python

numpy

masked-array