数据集(600,2,2)转线性数据集及Python计算特定数组均值求助

问题1：将(600,2,2)形状的数据集转换为线性数据集 #

• 利用NumPy的reshape方法，将每个2×2的子数组展平为一维，最终得到600个一维样本的数据集（形状为(600,4)）。
• 示例代码：

import numpy as np

# 模拟原数据集（形状600,2,2）
raw_data = np.random.rand(600, 2, 2)
# 转换为线性数据集
linear_data = raw_data.reshape(600, -1)

• 注：reshape(600, -1)会自动计算出第二维度为4，无需手动指定，且不会额外复制内存（原数组内存连续时）。

问题2：计算分层均值（针对特定格式数组） #

• 针对每行格式为[array([[a,b],[c,d]])]的数据，需先计算两行各自的均值，再求这两个均值的平均值：
• 单条数据处理代码：

import numpy as np

# 模拟单条数据
single_row = [np.array([[2.3325655e-10, 2.4973504e-10],[1.3025138e-10, 1.3025231e-10]], dtype=np.float32)]

# 提取数组并计算
arr = single_row[0]
row_means = arr.mean(axis=1)  # 得到两行的均值数组
final_value = row_means.mean()

• 大型列表批量优化：避免Python循环，转成NumPy数组批量计算，效率提升显著：

# 假设large_list是包含大量上述格式元素的列表
data_array = np.array([item[0] for item in large_list])
# 批量计算所有样本的最终均值
all_final_values = data_array.mean(axis=1).mean(axis=1)

• 注：axis=1表示沿列方向计算均值，两次mean分别完成行均值计算和最终均值计算。

内容的提问来源于stack exchange，提问作者chemengdev