python - 计算不同长度数组的平均值

Question

当多个数组的长度可能不同时，是否可以计算它们的平均值？我正在使用 NumPy 。假设我有:

numpy.array([[1, 2, 3, 4, 8],    [3, 4, 5, 6, 0]])
numpy.array([[5, 6, 7, 8, 7, 8], [7, 8, 9, 10, 11, 12]])
numpy.array([[1, 2, 3, 4],       [5, 6, 7, 8]])

现在我想计算均值，但忽略“缺失”的元素(当然，我不能只添加零，因为这会弄乱均值)

有没有办法不用遍历数组就可以做到这一点？

附言。这些阵列都是二维的，但该阵列的坐标数量始终相同。 IE。第一个数组是 5 和 5，第二个是 6 和 6，第三个是 4 和 4。

一个例子:

np.array([[1, 2],    [3, 4]])
np.array([[1, 2, 3], [3, 4, 5]])
np.array([[7],       [8]])

这个必须给

(1+1+7)/3  (2+2)/2   3/1
(3+3+8)/3  (4+4)/2   5/1

图形化的:

[1, 2]    [1, 2, 3]    [7]
[3, 4]    [3, 4, 5]    [8]

现在想象一下，这些二维数组被放置在彼此之上，坐标重叠有助于该坐标的平均值。

Answer 1

numpy.ma.mean允许您计算非屏蔽数组元素的平均值。但是，要使用 numpy.ma.mean，您必须首先将三个 numpy 数组组合成一个掩码数组:

import numpy as np
x = np.array([[1, 2], [3, 4]])
y = np.array([[1, 2, 3], [3, 4, 5]])
z = np.array([[7], [8]])

arr = np.ma.empty((2,3,3))
arr.mask = True
arr[:x.shape[0],:x.shape[1],0] = x
arr[:y.shape[0],:y.shape[1],1] = y
arr[:z.shape[0],:z.shape[1],2] = z
print(arr.mean(axis = 2))

产量

[[3.0 2.0 3.0]
 [4.66666666667 4.0 5.0]]