我从管状管道中获得了数据，该管道周围有360个样本（方位角方向每1度），我需要将样本缩减为72个样本。鉴于我正在比较的测量的物理性质和分辨率，这72个样本中的每个样本的平均值约为。 360个样本中的15个。
通过切片进行下采样的传统方法不会让我进行适当的下采样，并且实际上会移动数据。我尝试在5片间隔中进行平均（以匹配360/72），但也出现了移位
为了真正比较这些测量，我需要将高分辨率数据降采样为其他测量的相同分辨率。
问题：我需要通过平均原始数组中的15个来创建此数组的72列中的每列，这意味着我需要能够将平均值函数包装在主数组上。我想最终创建：1-一个移动的窗口，包括在边缘包裹上，我可以选择窗口的大小 2-选择计算此窗口的“步骤”是什么，以便最终输出的数量可以与我的测量值相匹配 3-新的降采样数组，我将对其进行计算
尝试使用5个切片的平均值，但是由于缺少边缘平均，因此生成的图像看起来不像输入，而且每5个切片都不真正覆盖较低分辨率的测量值
avesize=5 #360/72 =5
ave_array=[]
for i in range(0, len(a), avesize):
slice_from_index = i
slice_to_index = slice_from_index + avesize
ave_array.append(np.average(a[slice_from_index:slice_to_index]))