如何用纯Numpy实现按行计算图像单元格的Z-score矩阵？

问题出在维度不匹配：当你用axis=1计算每行的均值和标准差时，得到的是形状为(15,)的一维数组，而你的pixelscore是(15,5)的二维数组，Numpy无法直接完成一维和二维数组的广播运算。

解决方法很简单：把行均值和标准差的维度扩展为(15,1)，让它们能和原数组的每一列对应运算。以下是两种实现方式：

方法一：用[:, np.newaxis]扩展维度 #

import numpy as np

# 模拟15×5的pixelscore矩阵
pixelscore = np.random.rand(15, 5)

# 计算每行的均值和标准差，扩展维度为(15,1)
row_mean = np.average(pixelscore, axis=1)[:, np.newaxis]
row_std = np.std(pixelscore, axis=1)[:, np.newaxis]

# 计算按行的Z-score
pixelzscore = (pixelscore - row_mean) / row_std

方法二：用reshape调整维度 #

import numpy as np

pixelscore = np.random.rand(15, 5)

row_mean = np.average(pixelscore, axis=1).reshape(-1, 1)
row_std = np.std(pixelscore, axis=1).reshape(-1, 1)

pixelzscore = (pixelscore - row_mean) / row_std

补充说明 #

• 两种方法本质都是让一维的均值/标准差数组变成列向量，这样Numpy会自动将其广播到每一列，和原数组的每个元素对应运算。
• 如果你的数据中存在标准差为0的行（该行所有元素相同），除法会产生inf或nan，可以提前处理这类情况，比如：

# 避免除以0，将标准差为0的行替换为1（或其他合理值）
row_std[row_std == 0] = 1

内容的提问来源于stack exchange，提问作者user2751530