python - 编写函数以处理向量和矩阵

Question

作为更大函数的一部分，我正在编写一些代码来生成一个向量/矩阵(取决于输入)，其中包含输入向量/矩阵“x”的每一列的平均值。这些值存储在与输入向量形状相同的向量/矩阵中。

我的初步解决方案让它在一维和矩阵数组上工作非常(!)困惑:

# 'x' is of type array and can be a vector or matrix.
import scipy as sp
shp = sp.shape(x)
x_mean = sp.array(sp.zeros(sp.shape(x)))

try: # if input is a matrix
    shp_range = range(shp[1])
    for d in shp_range:
        x_mean[:,d] = sp.mean(x[:,d])*sp.ones(sp.shape(z))
except IndexError: # error occurs if the input is a vector
    z = sp.zeros((shp[0],))
    x_mean = sp.mean(x)*sp.ones(sp.shape(z))       

来自 MATLAB 背景，这就是它在 MATLAB 中的样子:

[R,C] = size(x);
for d = 1:C,
    xmean(:,d) = zeros(R,1) + mean(x(:,d));
end

这适用于向量和矩阵，没有错误。

我的问题是，如何在没有(丑陋的)try/except block 的情况下让我的 python 代码同时处理向量和矩阵格式的输入？

谢谢!

Answer 1

对于均值计算本身，您不需要区分向量和矩阵 - 如果您使用 axis 参数，Numpy 将沿着向量(对于向量)或列(对于矩阵)执行计算).然后构建输出，你可以使用一个很好的老式列表推导式，尽管对于巨大的矩阵来说它可能有点慢:

import numpy as np
m = np.mean(x,axis=0) # For vector x, calculate the mean. For matrix x, calculate the means of the columns
x_mean = np.array([m for k in x]) # replace elements for vectors or rows for matrices

使用列表推导式创建输出很慢，因为它必须分配两次内存——一次用于列表，一次用于数组。使用 np.repeat 或 np.tile 会更快，但对于向量输入来说很有趣——输出将是一个嵌套矩阵，每行有一个 1 长向量。如果速度比优雅更重要，你可以用这个替换最后一行，如果:

if len(x.shape) == 1:
    x_mean = m*np.ones(len(x))
else:
    x_mean = np.tile(m, (x.shape[1],1))

顺便说一句，您的 Matlab 代码对于行向量和列向量的行为不同(尝试使用 x 和 x' 运行它)。