如何尽可能快地平均阵列的独立连续块？

Question

问题在于：

data = 1:0.5:(8E6+0.5);

需要每10,000个元素平均一个1600万点的数组。

像这样：

x = mean(data(1:10000))

但重复了N次，其中N取决于我们平均的元素数量

range = 10000;

N = ceil(numel(data)/range);

我目前的方法是：

data(1) = mean(data(1,1:range));
for i = 2:N
    data(i) = mean(data(1,range*(i-1):range*i));
end

如何提高速度？

N.B：我们需要覆盖原始数据数组（基本上是对数据进行分区并对其进行平均）

Answer 1

data = 1:0.5:(8E6-0.5); % Your data, actually 16M-2 elements
N = 1e4; % Amount to average over
tmp = mod(numel(data),N); % find out whether it fits
data = [data nan(1,N-tmp)]; % add NaN if necessary
data2=reshape(data,N,[]); % reshape into a matrix
out = nanmean(data2,1); % get average over the rows, ignoring NaN

使用plot(out)

视觉确认它有效

请注意，从技术上讲，如果mod(numel(data),N)不等于0，则无法执行您想要的操作，因为那样您就会有余数。我选择对那里的所有东西进行平均，尽管忽略其余部分也是一种选择。

如果您确定mod(numel(data),N)每次都为零，则可以将所有内容保留为零并直接重新整形。我不建议使用此功能，因为如果mod不为0，则reshape会出错：

data = 1:0.5:(8E6+0.5); % 16M elements now
N = 1e4; % Amount to average over
out = sum(reshape(data,N,[]),1)./N; % alternative

Answer 2

这有点浪费，但您可以使用y = movmean(x, [0 9999]); y = y(1:10000:end); （它将按照您希望的方式处理端点），然后对输出进行二次采样：

nanmean

尽管这很浪费（你计算了很多你不需要的元素），但它似乎胜过x = 1:0.5:(8E6-0.5); K = 1e4; Npad = ceil(length(x)/K)*K - length(x); x((end+1):(end+Npad)) = 0; y = mean(reshape(x, K, [])); y(end) = y(end) * K/(K - Npad); 方法（至少在我的机器上）。

=====================

还可以选择补充您添加的额外元素：

{{1}}

Answer 3

将数据阵列重塑为10000XN矩阵，然后使用均值函数计算每列的平均值。