迭代 numpy 数组时求平均值

Question

我有一个名为 MEL of shape (94824,) 的数据集，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（浮动）MEL 频率组成。我试图将所有值放入一个空的 numpy 形状矩阵 (94824, 99, 13) 中。所以有些实例是空的。有什么建议？MEL type = numpy.ndarrayfor i in MEL type(i) = <class 'numpy.ndarray'>for j in i type (j) = <class 'numpy.ndarray'>

Answer 1

由于您的MEL数组不是均匀形状，首先我们需要过滤掉形状常见的数组（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：

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

for idx, arr in enumerate(filtered):

    averaged_arr[idx] = np.mean(arr, axis=1)

这应该计算所需的矩阵。

这是一个重现您的设置的演示，假设所有数组都具有相同的形状：

# 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)

# 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)