从多维 Numpy 数组中减去均值

Question

我目前正在学习 Numpy 中的广播和正在阅读的书中（Python for Data Analysis by Wes McKinney 作者提到了以下示例 "demean" 二维数组：

import numpy as np

arr = np.random.randn(4, 3)
print(arr.mean(0))
demeaned = arr - arr.mean(0)
print(demeaned)
print(demeand.mean(0))

这有效地导致数组 demeaned 的平均值为 0。

我想到了将其应用于类似图像的三维数组：

import numpy as np

arr = np.random.randint(0, 256, (400,400,3))
demeaned = arr - arr.mean(2)

这当然失败了，因为根据广播规则，尾随尺寸必须匹配，而这里不是这样的：

print(arr.shape)  # (400, 400, 3)
print(arr.mean(2).shape)  # (400, 400)

现在，通过从数组的第三维中的每个索引中减去平均值，我已经让它发挥了大部分作用：

demeaned = np.ones(arr.shape)

for i in range(3):
    demeaned[...,i] = arr[...,i] - means

print(demeaned.mean(0))

此时，返回值非常接近于零，我认为这是一个精度错误。我这个想法真的是对的还是我错过了另一个警告？

此外，这并不是实现我想要实现的目标的最干净、最“numpy”的方式。有什么函数或者原理可以用来改进代码吗？

Answer 1

从 numpy 版本 1.7.0 开始，np.mean 和其他几个函数在其 axis 参数中接受一个元组。这意味着您可以一次对图像的平面执行操作：

m = arr.mean(axis=(0, 1))

此均值的形状为 (3,)，图像的每个平面都有一个元素。

如果你想单独减去每个像素的均值，你必须记住广播对齐右边缘的形状元组。这意味着您需要插入一个额外的维度：

n = arr.mean(axis=2)
n = n.reshape(*n.shape, 1)

或

n = arr.mean(axis=2)[..., None]

Answer 2

np.apply_along_axis(lambda x: x - np.mean(x), 2, arr)

输出：你得到相同形状的数组，其中每个单元格在你想要的维度上被贬低（第二个参数，这里是2）。

Subtract Mean from Multidimensional Numpy-Array