我正在尝试编写代码来进行双重求和(见图)
其中; M是主题, N是试验, Yijt为实测波形数据(3d数组)
到目前为止我已经; 给定Y是排列为Y[subjects, trials, time]的数据
# 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
这似乎不是最有效的方法,我也不确定它会给出正确的结果。
最佳答案
如果您使用 numpy
就这样
np.mean(Y)
此外,最好将样本输入和预期输出数据添加到您的问题中。
如果你想要每个t
的意思你可以做np.mean(np.mean(a, axis=0), axis=0)
,或者如@ophion 所述,您可以将其缩短为 np.mean(a, axis=(0, 1))
在较新的(1.71 及更高版本)NumPy 中。
关于python - Python 中的双重求和,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/19274813/