计算二维数组中维度的平均值

问题描述：

a我有一个这样的数组：

a = [[40, 10], [50, 11]]

我需要分别计算每个维度的平均值，结果应该是这样的：

[45, 10.5]

45是 的平均值a[*][0]和10.5的平均值a[*][1]。

在不使用循环的情况下解决这个问题的最优雅的方法是什么？

解决方案 1：

a.mean()接受一个axis参数：

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])

或者，作为独立函数：

In [5]: np.mean(a, axis=1)
Out[5]: array([ 25. ,  30.5])

切片不起作用的原因是因为切片的语法如下：

In [6]: a[:,0].mean() # first column
Out[6]: 45.0

In [7]: a[:,1].mean() # second column
Out[7]: 10.5

解决方案 2：

这是一个非 numpy 解决方案：

>>> a = [[40, 10], [50, 11]]
>>> [float(sum(l))/len(l) for l in zip(*a)]
[45.0, 10.5]

解决方案 3：

如果您经常这样做，那么NumPy是最好的选择。

如果由于某种原因您不能使用 NumPy：

>>> map(lambda x:sum(x)/float(len(x)), zip(*a))
[45.0, 10.5]