多维NumpyArray减去平均值

Question

我正在学习Numpy中的广播，在我正在读的书（Python for Data Analysis by Wes McKinney）中，作者提到了以下例子来“贬低”二维数组：

import numpy as np

arr = np.random.randn(4, 3)
print(arr.mean(0))
demeaned = arr - arr.mean(0)
print(demeaned)
print(demeand.mean(0))

这有效地导致数组demeaned的平均值为0。你知道吗

我想把这个应用到一个像三维阵列的图像上：

import numpy as np

arr = np.random.randint(0, 256, (400,400,3))
demeaned = arr - arr.mean(2)

当然失败了，因为根据广播规则，尾随尺寸必须匹配，这里不是这样：

print(arr.shape)  # (400, 400, 3)
print(arr.mean(2).shape)  # (400, 400)

现在，我主要是通过从数组第三维度的每个索引中减去平均值来实现的：

demeaned = np.ones(arr.shape)

for i in range(3):
    demeaned[...,i] = arr[...,i] - means

print(demeaned.mean(0))

此时，返回的值非常接近于零，我认为，这是一个精度错误。我的想法是对的还是我错过了另一个警告？你知道吗

而且，这并不是实现我想要实现的目标的最干净、最“numpy”的方式。是否有一个函数或一个原则，我可以用来改进代码？你知道吗

Answer 1

从numpyversion1.7.0开始，^{}和其他几个函数在其axis参数中接受一个元组。这意味着您可以一次对图像的所有平面执行操作：

m = arr.mean(axis=(0, 1))

这个平均值将具有形状(3,)，图像的每个平面有一个元素。你知道吗

如果要分别减去每个像素的平均值，则必须记住，广播将在右边缘对齐形状元组。这意味着您需要插入一个额外的维度：

n = arr.mean(axis=2)
n = n.reshape(*n.shape, 1)

或者

n = arr.mean(axis=2)[..., None]

Answer 2

试试^{}。你知道吗

np.apply_along_axis(lambda x: x - np.mean(x), 2, arr)

输出：得到相同形状的数组，其中每个单元格都按所需的维度降级（第二个参数，这里是2）。你知道吗