更改 numpy 二维数组中的单元格值以匹配数字

Question

import numpy as np
np.random.random((5,5))

array([[ 0.26045197,  0.66184973,  0.79957904,  0.82613958,  0.39644677],
       [ 0.09284838,  0.59098542,  0.13045167,  0.06170584,  0.01265676],
       [ 0.16456109,  0.87820099,  0.79891448,  0.02966868,  0.27810629],
       [ 0.03037986,  0.31481138,  0.06477025,  0.37205248,  0.59648463],
       [ 0.08084797,  0.10305354,  0.72488268,  0.30258304,  0.230913  ]])

我有一个 2D numpy 数组，每个单元格值代表一个分数（介于 0.0 和 1.0 之间）。我想修改二维数组，使数组平均值匹配一个特定的数字，比如 0.8。为此，我想使用 foll。算法：

1. 计算二维数组的平均值。假设给定的二维数组是 0.6

2. 对于网格中的每个单元格（例如值为 0.25），将其值增加/减少等于（0.8 - 0.6 即 0.2）的量。

3. 如果在第 2 步中，更改使单元格值超出 0.0/1.0，则将值设置为 0.0/1.0 并修改其他单元格进行补偿。

我可以像这样执行第 1 步：

numpy.mean(arr)

我可以使用 for 循环执行第 2 步，但不知道如何执行第 3 步。另外，更喜欢 Python 的方式。

Answer 1

Numpy 的索引魔法很有趣：

import numpy as np
aa = np.random.random((5, 5))

m = np.mean(aa)
d = 0.8 - m  # value to add
bb = aa + d

if d > 0:  # Modify values  != 1
    ii = aa + d > 1
    d2 = np.sum(bb[ii] - 1)
    bb[ii] = 1
    bb[~ii] = bb[~ii] + d2/np.sum(~ii)
elif d < 0:  # Modify values  != 0
    ii = aa + d < 0
    d2 = np.sum(bb[ii])
    bb[ii] = 1
    bb[~ii] = bb[~ii] + d2/np.sum(~ii)

print("The mean of bb is %f" % np.mean(bb))

出于好奇：对于此类问题，缩放（即乘法）而不是减法不是更自然的方法吗？