Python中的双和运算

Question

我正试图编写一个代码来进行二次求和（见图）

其中：； M是受试者， N是审判， Yijt是测量的波形数据（3d阵列）

到目前为止我有； 给定Y是按Y排列的数据[受试者、试验、时间]

# ranges:
I = len(Y)
J = len(Y[0])

Y_i_vals = 0

for i in range(M):
    for j in range(N):
        Y_i_vals = Y_i_vals +Y[i][j]
Yt = (1.0/(M*N)) * Y_i_vals

这样做似乎不是最有效的方法，我也不确定它是否给出正确的结果。在

Answer 1

当涉及到简单的双和运算时，比如在您的例子中，最好使用numpy的einsum：

np.einsum('tij -> t', Y) / (M*N)

Answer 2

要为您的问题添加更一般的答案：

在python列表理解的帮助下，可以编写一个双和运算。在

Yt = (1.0/(M*N)) * sum([Y[i][j] for i in range(M) for j in range(N)])

Answer 3

如果你正在使用numpy，那么就这么做

np.mean(Y)

另外，最好在问题中添加示例输入和预期输出数据。在

如果你想要每个t的方法，你可以做np.mean(np.mean(a, axis=0), axis=0) ，或者如@ophion所说，你可以在新版本（1.71及更高版本）中将其缩短为np.mean(a, axis=(0, 1))。在