Skip to main content
 首页 » 编程设计

python之多维数组的numpy平均值

2025年02月15日10davidwang456

我有一个多维 numpy 数组,它恰好是一个图像数组。为什么在使用 np.mean 的轴参数时计算图像 channel 均值会产生不同的结果?

>>> X = np.array(np.random.random((9999, 128, 128, 4)) * 1e5, dtype='float32') 
>>> X.shape 
(9999, 128, 128, 4) 
>>> mean_by_axis = np.mean(X, axis=(0, 1, 2)) 
array([ 13423.11523438,  13423.11523438,  13423.11523438,  13423.11523438], dtype=float32) 
>>> mean = np.mean(X[:, :, :, 0]) 
50001.297 

我期望 mean_by_axis[0] == 均值。为什么不是这样呢?其余的 axis-3 索引 1、2 和 3 也是如此。我是否误解了如何在 np.mean 中使用 axis 参数?

使用 numpy 版本“1.12.1”

有没有可能我溢出了 float32 累加器?例如:

>>> X = np.random.random(size=(100, 128, 128, 4)) 
>>> np.mean(X, axis=(0, 1, 2)) 
array([ 0.49978557,  0.49985835,  0.50000321,  0.50015689])] 
>>> np.mean(X[:, :, :, 0]) 
0.49978556940636332 

这看起来是正确的。如果是这样,为什么 slice 方法不会溢出累加器并给出相同的结果?也许 slice 方法使用 float64 累加器而 axis 方法使用 float32 累加器?

请您参考如下方法:

我无法准确重现你的结果,因为你没有提供你的数据,但使用随机数据我可以重现问题:

>>> import numpy as np 
>>> X = np.random.rand(9999, 128, 128, 4).astype('float32') 
>>> X.shape 
>>> np.mean(X, axis=(0, 1, 2)) 
array([ 0.10241024,  0.10241024,  0.10241024,  0.10241024], dtype=float32) 
>>> np.mean(X[:, :, :, 0]) 
0.50000387 
>>> np.mean(X[:, :, :, 0].flatten()) 
0.50000387 

这可能是数值精度不足的情况。您正在对 (9999*128*128 = 163823616) 个浮点值求和,而 float32 的相对精度为 ~10^-7,因此您正在浏览精度的边界。

我建议您在调用 mean 之前尝试将数组转换为精度更高的 float64,然后看看会发生什么。

>>> np.mean(X.astype('float64'), axis=(0, 1, 2)) 
array([ 0.50000323,  0.50004907,  0.50003198,  0.49999848]) 
>>> np.mean(X[:, :, :, 0].astype('float64')) 
0.50000323305421812 
>>> np.mean(X[:, :, :, 0].flatten().astype('float64')) 
0.50000323305421812