python之Numpy 意味着现在需要 reshape

我想用列的平均值减去 numpy 数组中的所有值。

以前，以下代码有效:

centered_data = data - data.mean(axis = 1) 

现在这段代码产生如下错误信息:

ValueError: operands could not be broadcast together with shapes (3,862) (3,)

将此行更改为:

centered_data = data - data.mean(axis = 1).reshape(data.shape[0],1) 

数据是 numpy.ndarray 类型。

为什么平均向量现在需要 reshape ，而以前不需要？

请您参考如下方法:

np.mean 有一个 keepdims 参数。 (data.mean 也有它，但它记录在 np.mean 中):

In [642]: data=np.arange(12).reshape(3,4) 
 
In [643]: data.mean(axis=1, keepdims=True) 
Out[643]:  
array([[ 1.5], 
       [ 5.5], 
       [ 9.5]]) 
 
In [644]: data-data.mean(axis=1, keepdims=True) 
Out[644]:  
array([[-1.5, -0.5,  0.5,  1.5], 
       [-1.5, -0.5,  0.5,  1.5], 
       [-1.5, -0.5,  0.5,  1.5]]) 

如果没有这个，mean 和sum 等操作会删除一个维度。 reshape(-1,1) 和 [:,None] 也可以重新添加维度。

如果您在另一个轴上取平均值，则不需要保留(或恢复)尺寸。这是因为如果需要，广播规则会在开头自动添加一个维度:

In [645]: data-data.mean(axis=0) 
Out[645]:  
array([[-4., -4., -4., -4.], 
       [ 0.,  0.,  0.,  0.], 
       [ 4.,  4.,  4.,  4.]]) 

您的“之前”案例是否像这样 - 在 axis=0 上减少？

我不知道 numpy 有任何变化可以启用 axis=1 情况而无需某种 reshape 或 keeaxis。

---

如果 data.shape==(3, 4)

data+np.array([1,1,1,1]) 
# data+np.array([1,1,1,1])[None,:]  # automatic None 

有效。

这引发了一个值错误:

data+np.array([1,1,1]) 
ValueError: operands could not be broadcast together with shapes (3,4) (3)  

这个有效:

data+np.array([1,1,1])[:,None]