如何用一行代码实现numpy随机数组的指定降噪处理？

原代码的问题点 #

• 标准差均值计算错误：原代码中np.std(arr).mean()是先计算整个数组的标准差再取均值，完全不符合需求。正确逻辑是先计算每一列的标准差，再对这些标准差求均值，即np.mean(np.std(arr, axis=0))。
• 索引与赋值维度不匹配：原代码直接用列掩码索引数组后，赋值整个np.where的结果，导致维度不兼容。我们需要仅对标记为有噪声的列应用降噪逻辑，其他列保持原样。

修正后的一行实现代码 #

import numpy as np
arr = np.random.random((100,10))
arr[:, np.std(arr, axis=0) > np.mean(np.std(arr, axis=0)) * 1.25] = np.where(np.abs(arr[:, np.std(arr, axis=0) > np.mean(np.std(arr, axis=0)) * 1.25] - np.mean(arr[:, np.std(arr, axis=0) > np.mean(np.std(arr, axis=0)) * 1.25], axis=0)) > 0.25, arr[:, np.std(arr, axis=0) > np.mean(np.std(arr, axis=0)) * 1.25] / 1.5, arr[:, np.std(arr, axis=0) > np.mean(np.std(arr, axis=0)) * 1.25])

代码逻辑说明 #

1. 先计算所有列标准差的平均值：np.mean(np.std(arr, axis=0))，以此作为判断噪声列的阈值基准。
2. 生成噪声列的掩码：np.std(arr, axis=0) > np.mean(np.std(arr, axis=0)) * 1.25，筛选出需要处理的列。
3. 对筛选出的噪声列，用np.where判断每个元素是否偏离该列均值超过0.25：
   • 满足条件的元素缩小为原数值的1/1.5
   • 不满足条件的元素保持原值
4. 将处理后的结果赋值回原数组的对应列，非噪声列不受影响。

内容的提问来源于stack exchange，提问作者Валерия Александровна Тецлова