每行numpy的非对角线元素的平均值答案

【问题标题】：Mean of non-diagonal elements of each row numpy每行numpy的非对角线元素的平均值
【发布时间】：2020-09-26 18:04:43
【问题描述】：

我基本上有一个大小为n x n 的混淆矩阵，我所有的对角线元素都是1。

对于每一行，我希望计算其平均值，不包括1，即不包括对角线值。 numpy有简单的方法吗？

这是我目前的解决方案：

mask = np.zeros(cs.shape, dtype=bool)
np.fill_diagonal(mask, 1)
print(np.ma.masked_array(cs, mask).mean(axis=1))

cs 是我的n x n 矩阵

代码看起来很复杂，我当然觉得有一个更优雅的解决方案。

【问题讨论】：

标签： python numpy mean numpy-ndarray confusion-matrix

【解决方案1】：

一个简洁的使用summation -

(cs.sum(1)-1)/(cs.shape[1]-1)

对于忽略对角元素的一般情况，使用 np.diag 代替 1 偏移 -

(cs.sum(1)-np.diag(cs))/(cs.shape[1]-1)

另一个mean -

n = cs.shape[1]
(cs.mean(1)-1./n)*(n/(n-1))

【讨论】：

完美运行！
由于混淆矩阵是方阵，除法时不需要特别取轴 1 的维数。但这是一个很好的做法。

【解决方案2】：

另一个简单的想法是使用内置的numpy.average() API，我们为混淆矩阵中的每个元素提供weights 以贡献平均值。这使我们可以灵活地通过将权重设置为零来排除矩阵中的任何元素。下面是一个完整的例子：

# input array to work with
In [51]: arr 
Out[51]: 
array([[ 1,  2,  3,  4],
       [ 5,  1,  7,  8],
       [ 9, 10,  1, 12],
       [13, 14, 15,  1]])

# weightage for each of the elements in the input matrix
In [52]: weights = (arr != 1).astype(int)  # boolean mask would also work

# so, we give 0 weight to all the diagonal elements
In [53]: weights 
Out[53]: 
array([[0, 1, 1, 1],
       [1, 0, 1, 1],
       [1, 1, 0, 1],
       [1, 1, 1, 0]])

# finally, use the weights when computing average over axis 1
In [54]: np.average(arr, axis=1, weights=weights) 
Out[54]: array([ 3.        ,  6.66666667, 10.33333333, 14.        ])

【讨论】：