Question

我有一个不同大小的数组，我希望平均每个连续的n个数字，然后构建另一个数组。

我提出了两种不同的方法，但每种都有问题，我不确定这是否是解决这个问题的最佳方法：

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（pre_array）替代：

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]

这很好但是如果i％no_splits！= 0则剪切最后的值。理想情况下，我会创建一个最后一个值，它是其余值的平均值，同时保持代码紧凑。

每个都适用于我的目的，但我不确定它们对于更大的阵列是否最有效。

提前谢谢！

Answer 1

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

可以用于任何尺寸的窗口。

>>> 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dtype。

按三分组然后取平均值：

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]

Answer 2

no_splits = 3
no_items = 100
a = np.random.rand(no_items)

no_bins = no_splits + no_items % no_splits
b = np.empty((no_bins,), dtype=a.dtype)
endpoint = no_items//no_splits

b[:no_splits] = np.mean(a[:endpoint*no_splits].reshape(-1, endpoint),
                       axis=-1)
b[no_splits:] = np.mean(a[endpoint*no_splits:])
>>> b
array([ 0.49898723,  0.49457975,  0.45601632,  0.5316093 ])

通过平均数组中的n个连续数字来构建数组

2 个答案: