Question

我有一个带浮动的numpy数组。

我想要的是（如果它还没有存在）是一个函数，它给出了给定数组中每个x点的平均值的新数组，如子采样（和插值（？）的相反）

E.g。 sub_sample（numpy.array（[1,2,3,4,5,6]），2）给出[1.5,3.5,5.5]

E.g。剩余物可以被移除，例如sub_sample（numpy.array（[1,2,3,4,5]），2）给出[1.5,3.5]

提前致谢。

Answer 1

使用NumPy例程，您可以尝试类似

的内容

import numpy

x = numpy.array([1, 2, 3, 4, 5, 6])

numpy.mean(x.reshape(-1, 2), 1) # Prints array([ 1.5,  3.5,  5.5])

只需将2来电中的reshape替换为您想要平均的项目数。

修改：这假设n分为x的长度。如果要将其转换为通用函数，则需要包含一些检查。也许是这样的：

def average(arr, n):
    end =  n * int(len(arr)/n)
    return numpy.mean(arr[:end].reshape(-1, n), 1)

此功能在行动：

>>> x = numpy.array([1, 2, 3, 4, 5, 6])
>>> average(x, 2)
array([ 1.5,  3.5,  5.5])

>>> x = numpy.array([1, 2, 3, 4, 5, 6, 7])
>>> average(x, 2)
array([ 1.5,  3.5,  5.5])

Answer 2

def subsample(data, sample_size):
    samples = list(zip(*[iter(data)]*sample_size))   # use 3 for triplets, etc.
    return map(lambda x:sum(x)/float(len(x)), samples)

l = [1, 2, 3, 4, 5, 6]

print subsample(l, 2)
print subsample(l, 3)
print subsample(l, 5)

给出：

[1.5, 3.5, 5.5]
[2.0, 5.0]
[3.0]

Answer 3

这也是一个有效的单行解决方案：

downsampled_a = [a[i:n+i].mean() for i in range(0,size(a),n)]

＆＃34;＆＃34;是您的数据和＆＃34; n＆＃34;是你的采样步骤。

PS：from numpy import *

对numpy数组进行子采样/平均

3 个答案: