对于1D,我可以使用:
a=np.array([1,2,3,4])
b=pandas.Series(a).rolling(window=3,center=True).mean()
但是问题是,如果我有数组a
,则在3D模式下使用此方法会出错
Exception: Data must be 1-dimensional
我使用的代码是:
t[:,:,0]=(pd.Series(imgg[:,:,0:4]).rolling(window=[1,1,3],center=True).mean())
imgg
是3D numpy数组。
我还尝试了什么:
我还尝试了旧功能rolling_mean
即pd.rolling_mean(a,4,center=True)
,但它也无法正常工作,并显示错误消息:
AssertionError: cannot support ndim > 2 for ndarray compat
答案 0 :(得分:1)
好的,希望这是您所需要的。
我认为您可以尝试首先拆分数组,而不是尝试在3维数组上工作-因为我们知道它可以在1D数组上工作。
import pandas as pd
imgg = [(1,2,1),(2,3,3),(4,1,2),(5,3,2),(6,2,1),(2,3,4),(5,6,2)]
>>>imgg
0 1 2
0 1 2 1
1 2 3 3
2 4 1 2
3 5 3 2
4 6 2 1
5 2 3 4
6 5 6 2
x = []
y = []
d = []
# Split into components
for img in imgg:
x.append(img[0])
y.append(img[1])
d.append(img[2])
# Compute rolling mean
dm = pd.Series(d).rolling(window=3,center=True).mean()
# Stitch them back to form your desired dataframe
data = [k for k in zip(x,y,dm)]
df = pd.DataFrame(data)
>>>df
0 1 2
0 1 2 NaN
1 2 3 2.000000
2 4 1 2.333333
3 5 3 1.666667
4 6 2 2.333333
5 2 3 2.333333
6 5 6 NaN