다음 a과 같은 배열 이 있습니다.
a = [[40, 10], [50, 11]]
각 차원의 평균을 개별적으로 계산해야합니다. 결과는 다음과 같아야합니다.
[45, 10.5]
45의 평균 a[*][0]이고 10.5의 평균이 a[*][1]됩니다.
루프를 사용하지 않고 이것을 해결하는 가장 우아한 방법은 무엇입니까?
답변
a.mean()axis인수를 취합니다 .
In [1]: import numpy as np
In [2]: a = np.array([[40, 10], [50, 11]])
In [3]: a.mean(axis=1) # to take the mean of each row
Out[3]: array([ 25. , 30.5])
In [4]: a.mean(axis=0) # to take the mean of each col
Out[4]: array([ 45. , 10.5])
또는 독립형 기능으로 :
In [5]: np.mean(a, axis=1)
Out[5]: array([ 25. , 30.5])
슬라이싱이 작동하지 않는 이유는 다음과 같은 슬라이싱 구문 때문입니다.
In [6]: a[:,0].mean() # first column
Out[6]: 45.0
In [7]: a[:,1].mean() # second column
Out[7]: 10.5
답변
다음은 numpy가 아닌 솔루션입니다.
>>> a = [[40, 10], [50, 11]]
>>> [float(sum(l))/len(l) for l in zip(*a)]
[45.0, 10.5]
답변
이것을 많이한다면 NumPy 가 갈 길이다.
어떤 이유로 NumPy를 사용할 수없는 경우 :
>>> map(lambda x:sum(x)/float(len(x)), zip(*a))
[45.0, 10.5]
