如何从矩阵数组生成均值新矩阵？含Procrustes转录数据场景需求

没问题，我来给你一步步搞定这两个矩阵计算需求，用Python的numpy来实现最顺手，毕竟它就是为矩阵运算而生的👇

需求一：从矩阵数组计算均值创建新矩阵 #

这个需求核心就是对数组里的所有矩阵做逐元素平均，得到一个和原矩阵维度相同的均值矩阵。关键是要确保所有输入矩阵的维度完全一致，不然没法对应位置求平均。

实现代码 #

import numpy as np

# 示例：构造一个包含3个2x2矩阵的数组
matrix_array = np.array([
    [[1, 2], [3, 4]],
    [[5, 6], [7, 8]],
    [[9, 10], [11, 12]]
])

# 先做维度检查（可选但推荐，避免报错）
if not all(mat.shape == matrix_array[0].shape for mat in matrix_array):
    raise ValueError("所有矩阵必须具有相同的行数和列数！")

# 计算均值矩阵：axis=0表示沿着矩阵数组的第一个维度（即矩阵的个数维度）取平均
mean_matrix = np.mean(matrix_array, axis=0)

print("生成的均值矩阵：")
print(mean_matrix)

代码解释 #

• matrix_array的shape是(3, 2, 2)，表示有3个2x2的矩阵；
• np.mean(matrix_array, axis=0)会把3个矩阵中对应位置的元素分别求平均，最终得到一个shape为(2, 2)的均值矩阵；
• 维度检查是为了提前发现输入错误，避免后续计算抛出模糊的异常。

需求二：基于Procrustes转录数据筛选矩阵并计算两组均值 #

这个需求多了一步筛选逻辑：先用Procrustes转录的标签把原始矩阵分成两组，再分别计算每组的均值矩阵。核心是要保证Procrustes标签和原始矩阵数组的顺序一一对应。

实现代码 #

import numpy as np

# 复用需求一中的矩阵数组
matrix_array = np.array([
    [[1, 2], [3, 4]],
    [[5, 6], [7, 8]],
    [[9, 10], [11, 12]]
])

# 示例：Procrustes转录的标签数组，每个元素对应原始矩阵的分组（比如0和1代表两组）
procrustes_labels = np.array([0, 1, 0])

# 先做合法性检查
if len(procrustes_labels) != len(matrix_array):
    raise ValueError("Procrustes标签的数量必须和原始矩阵的数量一致！")
if not all(mat.shape == matrix_array[0].shape for mat in matrix_array):
    raise ValueError("所有矩阵必须具有相同的行数和列数！")

# 筛选组0的矩阵并计算均值
group0_matrices = matrix_array[procrustes_labels == 0]
mean_group0 = np.mean(group0_matrices, axis=0)

# 筛选组1的矩阵并计算均值
group1_matrices = matrix_array[procrustes_labels == 1]
mean_group1 = np.mean(group1_matrices, axis=0)

print("组0的均值矩阵：")
print(mean_group0)
print("\n组1的均值矩阵：")
print(mean_group1)

代码解释 #

• procrustes_labels == 0会生成一个布尔数组，用来从matrix_array中筛选出所有属于组0的矩阵；
• 筛选后的group0_matrices是一个shape为(2, 2, 2)的数组（因为示例中有2个组0的矩阵），再用np.mean(axis=0)计算组内均值；
• 如果你的Procrustes标签不是0/1，而是其他标识（比如"A"/"B"），只需要把判断条件改成procrustes_labels == "A"即可。

内容的提问来源于stack exchange，提问作者Atlphyre