如何在没有numpy的情况下沿python中列表的轴取平均值？

如何解决如何在没有numpy的情况下沿python中列表的轴取平均值？

简而言之，我想重新创建 numPy 的 mean(axis) 函数，不使用未知形状矩阵的依赖项。 numPy 源代码几乎无法辨认，并且很难找到任何基于统计的资源，而所有 numPy 资源都淹没了它们。我知道该方法必须是递归的，因为维度元组的长度可以是任何东西，但我什至不知道从哪里开始。

解决方法

多么疯狂的问题！！！

你能解释一下这是什么类型的项目，你不能用 numpy 但你可以用 python？？

def arrayItems(array,i0 = []):
    try:
        for i,ai in enumerate(array):
            yield from arrayItems(ai,i0 + [i])
    except TypeError as _:
        yield i0,array
        
def arrayShape(array):
    shape = [];
    while True:
        try:
            axLen = 0;
            for ai in array:
                axLen += 1;
            array = ai;
            shape.append(axLen)
        except TypeError:
            return shape;
        
def arrayZeros(shape):
    if len(shape) == 0:
        return 0;
    else:
        a0 = shape[0]
        shape = shape[1:]
        return [arrayZeros(shape) for _ in range(a0)]

# multiply accumulate,very good instruction
def arrayAcc(array,index,a=1,b=0):
    for i in index[:-1]:
        array = array[i]
    array[index[-1]] = a * array[index[-1]] + b;

def arrayMean(array,axis=0):
    inShape = arrayShape(array)
    axis = axis % len(inShape)
    out = arrayZeros(inShape[:axis] + inShape[axis+1:])
    for item in arrayItems(array):
        index,val = item
        arrayAcc(out,index[:axis] + index[axis+1:],1.0,val / inShape[axis])
    return out;

简单的测试

import numpy as np
testData = np.random.randn(2,3,4,5);

for axis in range(testData.ndim):
    assert(np.allclose(arrayMean(testData,axis),np.mean(testData,axis)))