我有许多一维 numpy ndarray，其中包含给定节点和网络中所有其他节点之间的路径长度，我想计算其平均值。但事实上，如果两个节点之间不存在路径，则算法会针对给定连接返回值 2147483647，这一事实使问题变得复杂。如果我不处理这个值，它显然会严重夸大我的平均值，因为我的网络中典型的路径长度将介于 1 和 3 之间。
处理这个问题的一种选择是循环遍历所有数组的所有元素并替换2147483647 with NaN然后使用numpy.nanmean求平均值，但这可能不是最有效的方法。有没有一种方法可以用 numpy 计算平均值，忽略所有值2147483647?
我应该补充一点，我可以有多达数百万个数组，其中有数百万个值要平均，因此求平均值的任何性能提升都会产生真正的影响。
为什么不使用通常的 numpy 过滤呢？
m = my_array[my_array != 2147483647].mean()
顺便说一句，如果你真的想要速度，你的整个算法描述看起来肯定很幼稚，并且可以改进很多。
哦，我猜你正在计算平均值，因为你已经严格检查了基础分布是正态的，所以它意味着什么，不是吗？
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
