Numpy medianofmeans跨非均等阵列计算

Question

假设一个numpy数组X的形状为m x n，类型为float64。X的行需要通过按元素计算的平均值中位数。具体地说，m行索引被划分为b“bucket”，每个bucket包含m/b这样的索引。接下来，在每个桶内，我计算平均值，然后在得到的平均值上，我进行最后的中值计算

澄清这一点的一个例子是

import numpy as np

m = 10
n = 10000

# A random data matrix
X = np.random.uniform(low=0.0, high=1.0, size=(m,n)).astype(np.float64)

# Number of buckets to split rows into
b = 5

# Partition the rows of X into b buckets
row_indices = np.arange(X.shape[0])
buckets = np.array(np.array_split(row_indices, b))
X_bucketed = X[buckets, :]

# Compute the mean within each bucket
bucket_means = np.mean(X_bucketed, axis=1)

# Compute the median-of-means
median = np.median(bucket_means, axis=0)

# Edit - Method 2 (based on answer)
np.random.shuffle(row_indices)
X = X[row_indices, :]
buckets2 = np.array_split(X, b, axis=0)
bucket_means2 = [np.mean(x, axis=0) for x in buckets2]
median2 = np.median(np.array(bucket_means2), axis=0)

如果b除以m，则此程序运行良好，因为np.array_split()会将索引等分，并且数组buckets是二维数组

但是，如果b不除以m，则它不起作用。在这种情况下，np.array_split()仍然拆分为b个大小不等的bucket，这对我来说很好。例如，如果b = 3，它将把索引{0,1，…，9}分成[0123]、[456]和[789]。这些数组不能相互堆叠，因此数组buckets不是二维数组，不能用于索引X_bucketed

对于大小不等的桶，我如何才能做到这一点，即让程序计算每个桶内的平均值（无论大小），然后计算桶间的中值

我不能完全理解masked arrays，我不确定这些是否可以在这里使用

Answer 1

<>你可以考虑分别计算每个桶的平均值，然后叠加并计算中值。您也可以直接使用array_split到X，不需要使用切片索引数组对其进行索引（可能这是您的主要问题？）

m = 11
n = 10000

# A random data matrix
X = np.random.uniform(low=0.0, high=1.0, size=(m,n)).astype(np.float64)

# Number of buckets to split rows into
b = 5

# Partition the rows of X into b buckets
buckets = np.array_split(X, 2, axis = 0)

# Compute the mean within each bucket
b_means = [np.mean(x, axis=0) for x in buckets]

# Compute the median-of-means
median = np.median(np.array(b_means), axis=0)

print(median) #(10000,) shaped array