Question

假设我有这个数组： [4、3、2] 我想获得每2个元素的加权平均值。因此，我将得到一个看起来像这样的数组（假设权重为[0.6，0.4，0.6]： [3.6，2.4]

有什么主意，如何使用大型数组（5000）做到这一点？

非常感谢您！

Answer 1

您可以看看numpy roll()方法。

import numpy as np
weight = 0.5
x = np.array([4, 3, 2])
(x*weight + np.roll(x, -1)*(1-weight))[:-1]

输出：

array([ 3.5,  2.5])

Roll方法将对原始数组进行移位，方法是将移位后的数组添加到原始数组，然后将每个数组乘以它们各自的权重（权重之和为1），您将获得加权平均值。所有这些都是矢量化操作，这将使执行过程非常流畅。

您可以使用weight来使第一个或第二个元素产生更大的影响；

Answer 2

给出两个变量：

import numpy as np

elements = np.array([4, 3, 2])
weights = np.array([0.6, 0.4, 0.6])

您将两个数组相乘并将它们保存在一个变量中，仅出于可读性考虑：

 a = elements * weights

您进行求和。使用函数np.roll，我们将创建变量a的副本，但将其移位一个位置：

 res = a + np.roll(a, -1)

最后，我们忽略了最后一个元素：

 res = res[0:-1]

Answer 3

对于更一般的结果，我认为您应该对权重进行归一化，以使每对权重之和为1。这意味着，当每个权重与其之前或之后的权重配对时，它们可能具有不同的归一化值。

假设weights是具有权重的numpy数组：

normalized_weights = np.column_stack((we[:-1], we[1:]))
for i in range(corrwe.shape[0]):
    normalized_weights[i][0] = normalized_weights[i][0] / (weights[i] + weights[i+1])
    normalized_weights[i][1] = normalized_weights[i][1] / (weights[i] + weights[i+1])

normalized_weights是一个N x 2矩阵，其中N等于len(weights)-1。每行包含一对权重，其总和为1。

例如，如果weights = [0.89779725 0.04136924 0.2877373 0.29153165 0.97000642 0.74452243 0.5714133 0.25224212 0.09493403 0.11448254]，则normalized_weights为：

[[0.95595112 0.04404888]
 [0.12570165 0.87429835]
 [0.49672488 0.50327512]
 [0.23109223 0.76890777]
 [0.56575684 0.43424316]
 [0.56577416 0.43422584]
 [0.69375285 0.30624715]
 [0.72655372 0.27344628]
 [0.45332625 0.54667375]]

现在，如果x是您的数据数组（长度为weights），则可以通过执行以下操作获得加权的中间点：

weighted_middle_x = x[:-1]*normalized_weights[...,0] + x[1:]*normalized_weights[...,1]

每2个Numpy元素的加权平均值

3 个答案: