python - 迭代 numpy 数组时求平均值

Question

我有一个名为 MEL 的数据集，其形状为 (94824,)，其中大多数实例的形状为 (99, 13)，但有些实例的形状较小。它由( float )MEL 频率组成。我试图将所有值放入形状为 (94824, 99 , 13) 的空 numpy 矩阵中。所以有些实例留空。有什么建议吗？

MEL type = numpy.ndarray
for i in MEL type(i) = <class 'numpy.ndarray'>
for j in i type (j) = <class 'numpy.ndarray'>

Answer 1

由于您的 MEL 数组不是同质形状的，因此首先我们需要过滤掉形状相同的数组(即 (99, 13))。为此，我们可以使用:

filtered = []
for arr in MEL:
    if arr.shape == (99, 13):
        filtered.append(arr)
    else:
        continue

然后我们可以初始化一个数组来保存结果。然后我们可以迭代这个过滤后的数组列表并计算轴 1 上的平均值，如下所示:

averaged_arr = np.zeros((len(filtered), 99))

for idx, arr in enumerate(filtered):
    averaged_arr[idx] = np.mean(arr, axis=1)

这应该计算出所需的矩阵。

<小时/>

这里是一个重现您的设置的演示，假设所有数组具有相同的形状:

# inputs 

In [20]: MEL = np.empty(94824, dtype=np.object)

In [21]: for idx in range(94824):
    ...:     MEL[idx] = np.random.randn(99, 13)

# shape of the array of arrays
In [13]: MEL.shape
Out[13]: (94824,)

# shape of each array
In [15]: MEL[0].shape
Out[15]: (99, 13)

<小时/>

# to hold results
In [17]: averaged_arr = np.zeros((94824, 99))

# compute average
In [18]: for idx, arr in enumerate(MEL):
    ...:     averaged_arr[idx] = np.mean(arr, axis=1)

# check the shape of resultant array
In [19]: averaged_arr.shape
Out[19]: (94824, 99)