scipy.ndimage.

mean#

scipy.ndimage.mean(input, labels=None, index=None)[source]#

计算数组中指定标签区域的元素平均值。

参数:

inputarray_like: 用于计算不同区域元素平均值的数组。
labelsarray_like, 可选: 与 input 形状相同或可广播到相同形状的标签数组。所有共享相同标签的元素形成一个区域，在该区域上计算元素的平均值。
indexint 或 int 序列，可选: 要计算平均值的物体的标签。默认值为 None，在这种情况下，将计算所有标签大于 0 的值的平均值。

返回值:

outlist: 与 index 长度相同的序列，包含由 index 中标签标记的不同区域的平均值。

参见

variance, standard_deviation, minimum, maximum, sum, label

示例

>>> from scipy import ndimage
>>> import numpy as np
>>> a = np.arange(25).reshape((5,5))
>>> labels = np.zeros_like(a)
>>> labels[3:5,3:5] = 1
>>> index = np.unique(labels)
>>> labels
array([[0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0],
       [0, 0, 0, 1, 1],
       [0, 0, 0, 1, 1]])
>>> index
array([0, 1])
>>> ndimage.mean(a, labels=labels, index=index)
[10.285714285714286, 21.0]