计算不同长度数组的均值
问题内容：
当多个数组的长度不同时，是否可以计算多个数组的均值？我正在使用numpy。所以说我有：
numpy.array([[1, 2, 3, 4, 8], [3, 4, 5, 6, 0]])
numpy.array([[5, 6, 7, 8, 7, 8], [7, 8, 9, 10, 11, 12]])
numpy.array([[1, 2, 3, 4], [5, 6, 7, 8]])
现在，我想计算均值，但忽略“缺失”的元素（自然，我不能仅添加零，因为这会弄乱均值）
有没有一种方法可以在不迭代数组的情况下进行操作？
PS。这些数组都是二维的，但对于该数组将始终具有相同数量的坐标。即第一个数组是5和5，第二个数组是6和6，第三个数组是4和4。
一个例子：
np.array([[1, 2], [3, 4]])
np.array([[1, 2, 3], [3, 4, 5]])
np.array([[7], [8]])
这必须给
(1+1+7)/3 (2+2)/2 3/1
(3+3+8)/3 (4+4)/2 5/1
并以图形方式：
[1, 2] [1, 2, 3] [7]
[3, 4] [3, 4, 5] [8]
现在想象一下，这些二维数组彼此重叠放置，坐标重叠导致该坐标的均值。
问题答案：
numpy.ma.mean允许您计算非掩码数组元素的平均值。但是，要使用numpy.ma.mean，您必须首先将三个numpy数组合并为一个掩码数组：
import numpy as np
x = np.array([[1, 2], [3, 4]])
y = np.array([[1, 2, 3], [3, 4, 5]])
z = np.array([[7], [8]])
arr = np.ma.empty((2,3,3))
arr.mask = True
arr[:x.shape[0],:x.shape[1],0] = x
arr[:y.shape[0],:y.shape[1],1] = y
arr[:z.shape[0],:z.shape[1],2] = z
print(arr.mean(axis = 2))
产量
[[3.0 2.0 3.0]
[4.66666666667 4.0 5.0]]
