我有一个不同大小的数组,我希望从中平均每个连续的n个数字,并因此构建另一个数组。
我想出了两种不同的方法,但每个方法都有自己的问题,我不确定这是否是解决问题的最佳方法:
使用numpy.array_split()函数:

import numpy as np
no_splits = 3 #Or any number user defines
no_items = int(np.random.random(1)*100) # To get a variable number of items
pre_array = np.random.random(no_items)
mean_array = np.mean(np.array_split(pre_array,no_splits))
#This is efficient but gives an error if len(pre_array)%no_splits != 0

枚举(预数组)替代项:
mean_array = [np.mean(pre_array[i-no_splits+1:i]) for i, x in enumerate(pre_array) if i%no_splits == 0 and i != 0]

这是好的,但剪辑最后的值,如果我%no_分裂!=0。理想情况下,我将创建最后一个值,它是剩余值的平均值,同时保持代码紧凑。
每种方法都适用于我的目的,但我不确定它们是否对更大的数组最有效。
提前谢谢你!

最佳答案

使用uniform_filter

>>> import scipy.ndimage.filters as filter

>>> a=np.arange(5,dtype=np.double)
>>> filter.uniform_filter(a,size=3)
array([ 0.33333333,  1.        ,  2.        ,  3.        ,  3.66666667])

#What this is actually doing
>>> np.mean([0,0,1]) #ind0
0.33333333333333331
>>> np.mean([0,1,2]) #ind1
1.0
>>> np.mean([1,2,3]) #ind2
2.0

可用于任何大小的窗口。
>>> filter.uniform_filter(a,size=5)
array([ 0.8,  1.2,  2. ,  2.8,  3.2])

这里需要注意的是,累加器将是数组的任何数据类型。
三人一组,然后取平均值:
def stride_mean(arr,stride):
    extra = arr.shape[0]%stride
    if extra==0:
        return np.mean(arr.reshape(-1,stride),axis=1)
    else:
        toslice = arr.shape[0]-extra
        first = np.mean(arr[:toslice].reshape(-1,stride),axis=1)
        rest = np.mean(arr[toslice:])
        return np.hstack((first,rest))

print pre_array
[ 0.50712539  0.75062019  0.78681352  0.35659332]

print stride_mean(pre_array,3)
[ 0.6815197   0.35659332]

10-05 21:05
查看更多