给定两个 ndarrays
old_set = [[0, 1], [4, 5]]
new_set = [[2, 7], [0, 1]]
我正在寻找两个数组之间各自值的平均值，以便数据最终类似于：
end_data = [[1, 4], [2, 3]]
基本上它会应用类似
的东西for i in len(old_set):
end_data[i] = (old_set[i]+new_set[i])/2
但我不确定要使用什么语法。提前感谢您的帮助！
【问题讨论】：
您可以创建一个包含要平均的 2D 数组的 3D 数组，然后使用 np.mean 或 np.average 沿 axis=0 平均（后者允许加权平均）：
np.mean( np.array([ old_set, new_set ]), axis=0 )
此平均方案可应用于任何(n) 维数组，因为创建的(n+1) 维数组将始终包含要沿其axis=0 平均的原始数组。
【讨论】：
np.nanmean( np.array([ old_set, new_set ]), axis=0 )
np.mean( np.array([ i for i in bigArr]), axis=0 ) 将其扩展到任意数量的数组，其中bigArr 由许多要平均的一维数组组成。
>>> import numpy as np
>>> old_set = [[0, 1], [4, 5]]
>>> new_set = [[2, 7], [0, 1]]
>>> (np.array(old_set) + np.array(new_set)) / 2.0
array([[1., 4.],
[2., 3.]])
【讨论】：
from __future__ import division，否则您应该除以 2.0 以确保您使用的是真正的除法而不是整数除法。
(old_set + new_set) / 2 就足够了。只需问type(old_set),type(new_set) 提醒自己你正在处理什么。
numpy.average
numpy.average 也可以使用相同的语法：
import numpy as np
a = np.array([np.arange(0,9).reshape(3,3),np.arange(9,18).reshape(3,3)])
averaged_array = np.average(a,axis=0)
与numpy.mean 相比，numpy.average 的优势在于还可以将 weights 参数用作相同形状的数组：
weighta = np.empty((3,3))
weightb = np.empty((3,3))
weights = np.array([weighta.fill(0.5),weightb.fill(0.8) ])
np.average(a,axis=0,weights=weights)
如果您使用掩码数组，请考虑使用numpy.ma.average，因为numpy.average don't deal with them。
【讨论】：
numpy.average 和权重因子的好提示
如前所述，由于嵌套列表（二维矩阵），您的解决方案不起作用。远离 numpy 方法，如果你想使用嵌套的 for 循环，你可以尝试类似的方法：
old_set = [[0, 1], [4, 5]]
new_set = [[2, 7], [0, 1]]
ave_set = []
for i in range(len(old_set)):
row = []
for j in range(len(old_set[0])):
row.append( ( old_set[i][j] + new_set[i][j] ) / 2 )
ave_set.append(row)
print(ave_set) # returns [[1, 4], [2, 3]]
【讨论】：