In [1952]: test=np.arange(81).reshape(9,9)
In [1953]: res=np.zeros((3,3))
In [1954]: for i in range(3):
...: for j in range(3):
...: res[i,j]=test[3*i:3*(i+1),3*j:3*(j+1)].mean()
In [1955]: res
Out[1955]:
array([[ 10., 13., 16.],
[ 37., 40., 43.],
[ 64., 67., 70.]])
在选定的轴上进行整形,求和或均值:
In [1956]: test.reshape(3,3,3,3).mean(axis=(1,3))
Out[1956]:
array([[ 10., 13., 16.],
[ 37., 40., 43.],
[ 64., 67., 70.]])
sum / mean允许我们一次指定2个或多个轴,但也可以通过重复的单轴应用程序来完成.
test.reshape(3,3,3,3).mean(3).mean(1)
对于3D阵列,这些工作
test.reshape( 2,3,3,3,3).mean((2,4))
test.reshape(-1,3,3,3,3).mean((2,4))
-1保留原始的第一个尺寸(或在2d测试的情况下,它添加一个尺寸为1的尺寸).