Question

我有一个称为MEL的形状数据集（94824），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。我正在尝试将所有值放入形状为（94824、99、13）的空numpy矩阵中。因此，有些实例为空。有什么建议吗？

MEL type = numpy.ndarray
for i in MEL type(i) = <class 'numpy.ndarray'>
for j in i type (j) = <class 'numpy.ndarray'>

Answer 1

由于您的MEL数组的形状不均一，因此我们首先需要过滤出形状通用的数组（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以保存结果。然后我们可以遍历此过滤后的数组列表并计算轴1上的均值，如：

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

for idx, arr in enumerate(filtered):
    averaged_arr[idx] = np.mean(arr, axis=1)

这应该计算出所需的矩阵。

以下是一个演示示例，它假设所有阵列均具有相同的形状，可以重现您的设置：

# 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)

遍历numpy数组时求平均值

1 个答案: