numpy.nanmean公司元素子集

Question

我想获取元素的子集，并快速地将nanmean应用到关联的列，而无需循环。你知道吗

对于特异性，请考虑还原数组r=[0,2,3]和数据数组

a=np.array([
             [2,3,4],
             [3,np.NaN,5],
             [16,66,666],
             [2,2,5],
             [np.NaN,3,4],
             [np.NaN,4,5],
             [np.NaN,5,4],
             [3,6,4.5],
           ])

那我要回去了

b = np.array([
             [2.5,3,4.5],
             [16,66,666],
             [2.5,4,4.5],
           ])

this question的最上面的答案通过使用^{}解决了问题（对于单个列）。对我来说不幸的是，既然nanmean不是ufunc，这个技巧就行不通了。你知道吗

Answer 1

我不认为只有一行代码可以做到这一点，因为numpy中没有nan感知的ufunc。你知道吗

但是在（临时）替换a中的所有nan之后，您可以基于reduceat执行一些操作：

例如，下面是一个快速函数，可以实现您想要的功能：

def nanmean_reduceat(x, indices):
    mask = np.isnan(x)
    # use try-finally to make sure x is reset
    # to its original state even if an error is raised.
    try:
        x[mask] = 0
        return np.add.reduceat(x, indices) / np.add.reduceat(~mask, indices)
    finally:
        x[mask] = np.nan

然后你可以打电话

>>> nanmean_reduceat(a, [0, 2, 3])
array([[   2.5,    3. ,    4.5],
       [  16. ,   66. ,  666. ],
       [   2.5,    4. ,    4.5]])

希望有帮助！你知道吗

Edit：为了简洁起见，我删除了空的except块，并将return语句移到try块中。由于finally语句的工作方式，x的重置仍然在执行！