Python中数组的移动平均值

Question

我有一个数组，其中记录和存储谨慎的正弦波值。我想找到波形的最大值和最小值。由于正弦波数据是使用DAQ记录的电压，因此会有一些噪声，因此我想进行加权平均。假设self.yArray包含我的正弦波值，这是我到目前为止的代码：

filterarray = []
filtersize = 2
length = len(self.yArray)
for x in range (0, length-(filtersize+1)):
   for y in range (0,filtersize):
      summation = sum(self.yArray[x+y])
      ave = summation/filtersize
      filterarray.append(ave)

我的问题似乎是在第二个for循环中，根据我的平均窗口大小（filtersize），我想总结窗口中的值以取其平均值。我收到一条错误说：

summation = sum(self.yArray[x+y])
TypeError: 'float' object is not iterable

我是一名EE，在编程方面经验很少，所以非常感谢任何帮助！

Answer 1

其他答案正确描述了您的错误，但这种类型的问题确实需要使用numpy。对于这类问题，Numpy会run faster, be more memory efficient, and is more expressive and convenient。这是一个例子：

import numpy as np
import matplotlib.pyplot as plt

# make a sine wave with noise
times = np.arange(0, 10*np.pi, .01)
noise = .1*np.random.ranf(len(times))
wfm = np.sin(times) + noise

# smoothing it with a running average in one line using a convolution
#    using a convolution, you could also easily smooth with other filters
#    like a Gaussian, etc.
n_ave = 20
smoothed = np.convolve(wfm, np.ones(n_ave)/n_ave, mode='same')

plt.plot(times, wfm, times, -.5+smoothed)
plt.show()

如果您不想使用numpy，还应注意程序中存在导致TypeError的逻辑错误。问题是在行

summation = sum(self.yArray[x+y])

你在循环中使用sum，你也计算总和。所以要么你需要在没有循环的情况下使用sum，要么循环遍历数组并添加所有元素，但不是两者兼而有（而且它同时执行两者， ie ，应用{{1}到索引数组元素，导致第一个错误）。也就是说，这里有两个解决方案：

sum

或

filterarray = []
filtersize = 2
length = len(self.yArray)
for x in range (0, length-(filtersize+1)):
    summation = sum(self.yArray[x:x+filtersize]) # sum over section of array
    ave = summation/filtersize
    filterarray.append(ave)

Answer 2

self.yArray[x+y]正在从self.yArray列表中返回单个项目。如果您尝试获取yArray的子集，则可以使用切片运算符：

summation = sum(self.yArray[x:y])

返回sum内置可以使用的迭代。

可以在此处找到有关python切片的更多信息（向下滚动到“序列”部分）：http://docs.python.org/2/reference/datamodel.html#the-standard-type-hierarchy

Answer 3

您可以使用numpy，例如：

import numpy
filtersize = 2
ysums = numpy.cumsum(numpy.array(self.yArray, dtype=float))
ylags = numpy.roll(ysums, filtersize)
ylags[0:filtersize] = 0.0
moving_avg = (ysums - ylags) / filtersize

Answer 4

您的原始代码尝试对存储在yArray[x+y]的浮点值调用sum，其中x+y正在计算表示该浮点值索引的某个整数。

尝试：     summation = sum(self.yArray[x:y])

Answer 5

确实是numpy是要走的路。 python的一个很好的特性是列表推导，允许你去掉典型的嵌套for循环结构。这是一个例子，针对您的特定问题......

import numpy as np
step=2
res=[np.sum(myarr[i:i+step],dtype=np.float)/step for i in range(len(myarr)-step+1)]