Numpy：在每个时间步长平均许多数据点

Question

这个问题可能在某个地方得到了回答，但我无法找到，所以我会在这里问：

我有一组数据，每个时间步长包含几个样本。所以，我基本上有两个数组，“时间”，看起来像：（0,0,0,1,1,1,1,1,2,2,3,4,4,4,4，... 。）和我的数据，这是每次的价值。每个时间步长具有随机数量的样本。我想以有效的方式获得每个时间步长的数据的平均值。

我准备了以下示例代码来显示我的数据。基本上，我想知道是否有更有效的方法来编写“average_values”函数。

import numpy as np
import matplotlib.pyplot as plt

def average_values(x,y):
    unique_x = np.unique(x)
    averaged_y = [np.mean(y[x==ux]) for ux in unique_x]
    return unique_x, averaged_y

#generate our data
times   = []
samples = []

#we have some timesteps:
for time in np.linspace(0,10,101):

    #and a random number of samples at each timestep:
    num_samples = np.random.random_integers(1,10)

    for i in range(0,num_samples):
        times.append(time)
        samples.append(np.sin(time)+np.random.random()*0.5)

times   = np.array(times)
samples = np.array(samples)

plt.plot(times,samples,'bo',ms=3,mec=None,alpha=0.5)
plt.plot(*average_values(times,samples),color='r')
plt.show()

以下是它的样子：

Answer 1

执行此操作的通用代码将执行以下操作：

def average_values_bis(x, y):
    unq_x, idx = np.unique(x, return_inverse=True)
    count_x = np.bincount(idx)
    sum_y = np.bincount(idx, weights=y)

    return unq_x, sum_y / count_x

添加上述功能和以下行以绘制脚本

plt.plot(*average_values_bis(times, samples),color='g')

产生此输出，红线隐藏在绿色背后：

但两种方法的时间安排都显示了使用bincount的好处，加速了30倍：

%timeit average_values(times, samples)
100 loops, best of 3: 2.83 ms per loop

%timeit average_values_bis(times, samples)
10000 loops, best of 3: 85.9 us per loop

Answer 2

我可以提出一个pandas解决方案。如果您打算使用时间序列，强烈建议使用。

创建测试数据

import pandas as pd
import numpy as np

times = np.random.randint(0,10,size=50)
values = np.sin(times) + np.random.random_sample((len(times),))
s = pd.Series(values, index=times)
s.plot(linestyle='.', marker='o')

计算平均值

avs = s.groupby(level=0).mean()
avs.plot()