You need to enable JavaScript to run this app. NumPy实现任意维度数组循环边界近邻平均值计算
优惠活动
大模型
产品
解决方案
定价
更多

NumPy实现任意维度数组循环边界近邻平均值计算

通用循环邻域平均值实现方案

核心实现思路

完全不需要写嵌套层数不确定的多层循环,直接利用NumPy内置的循环偏移能力就能实现通用逻辑:

  • 题目要求的边界循环映射(索引对维度长度取模),和np.roll的默认偏移逻辑完全一致,不需要额外手写边界判断
  • 对某一个轴做shift=-1操作时,数组元素会向索引减小的方向移动一位,最终每个位置上存的,就是原数组中索引比它大1的位置的元素,正好匹配题目里取a[i+1,j]类邻域的规则;做shift=1操作则对应取索引比当前位置小1的邻域元素
  • 对于任意d维数组,遍历每一个维度完成上述两次偏移计算,把所有维度的邻域元素累加后,除以邻域总个数2*d,就能得到符合要求的平均值结果

可直接运行的通用函数

import numpy as np

def circular_neighbor_mean(arr: np.ndarray) -> np.ndarray:
    neighbor_accum = np.zeros_like(arr, dtype=np.float64)
    total_axes = arr.ndim
    # 遍历所有维度,累加两个方向的邻域值
    for axis_idx in range(total_axes):
        # 偏移-1:取当前位置沿轴+1方向的邻域,循环边界自动生效
        neighbor_accum += np.roll(arr, shift=-1, axis=axis_idx)
        # 偏移+1:取当前位置沿轴-1方向的邻域,循环边界自动生效
        neighbor_accum += np.roll(arr, shift=1, axis=axis_idx)
    # 邻域总个数为 2*维度数,直接求平均
    return neighbor_accum / (2 * total_axes)

正确性验证

  • 二维场景验证:对形状(2,2)的数组np.array([[1,2],[3,4]]),按规则手动计算每个位置的邻域和为10,平均为2.5,和函数输出结果完全一致
  • 一维场景验证:对长度4的数组np.array([1,2,3,4]),计算得到每个位置的邻域平均为[3, 2, 3, 2],完全匹配循环边界下的左右邻域平均规则

方案优势

  • 对任意维度的输入数组都能兼容,不需要根据维度数调整嵌套循环层数
  • 基于NumPy向量化操作实现,计算效率远高于纯Python多层循环的实现
  • 边界处理逻辑完全匹配题目要求,不需要额外手写索引取模、边界判断的冗余代码

内容的提问来源于stack exchange,提问作者inquisitor

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.28 05:06:11