Question

我想创建一个函数，如果给出一个numpy数组，则返回一个numpy数组，如果给出，则返回一个多维numpy数组。例如：

import numpy as np;
def running_average(data,windowSize):
    dShape = np.shape(data);
    if(len(dShape)==1):
        raOut = np.zeros(len(data));
        rSum = 0.0;
        for row,value in enumerate(data):
            if row<windowSize:
                rSum+=float(value);
            else:
                rSum=rSum-data[row-windowSize]+value;
            raOut[row]=rSum/windowSize;
    else:
        raOut = np.zeros(dShape);
        for col in xrange(dShape[1]):
            rSum=0.0;
            for row,value in enumerate(data[:,col]):
                if row<windowSize:
                    rSum+=float(value);
                else:
                    rSum=rSum-data[row-windowSize,col]+value;
                raOut[row,col]=rSum/windowSize;

    return raOut;

但是必须有一个很好的测试，所以我不必在if和else语句中重复自己。

我是python的新手，什么是prefferred方法？

Answer 1

如下：

def running_avg(data, ws):
    tmp = np.cumsum(data, axis=-1, dtype='float')
    ra = (tmp[..., ws:] - tmp[..., :-ws]) / ws
    return ra

这将取最后一个轴上的平均值，如果你想变得非常聪明，你可以让函数取一个轴参数并取任意轴上的平均值。

更新

我相信这个版本与上面的代码一致。

def running_avg(data, ws):
    ra = np.cumsum(data, axis=-1, dtype='float') / ws
    ra[..., ws:] = ra[..., ws:] - ra[..., :-ws]
    return ra

对于更一般的问题，使用numpys内置函数（如cumsum）有帮助，因为他们已经这样做了，但如果你必须循环，你可以使用A = np.zeros（A.shape）来获得相同的数组将形状作为输入，然后使用A [...，i]始终对最后一个维度进行操作或使用A [...，i，：]始终对倒数第二个维度进行操作，依此类推。有时人们会将data = np.roll（数据，轴）移动到开头，然后使用A [i]在第一维上操作，并在需要时将轴移回。

更新2：

我只记得为什么以下是一个非常糟糕的主意（至少在这种情况下）：

ra[..., ws:] -= ra[..., :-ws]

你应该改用：

ra[..., ws:] = ra[..., ws:] - ra[..., :-ws]

Answer 2

首先，你是在过度思考形状的东西。无论np.zeros(dShape)是一维还是二维数组，data都可以做你想做的事。（对于一维数组，dShape将是一个元素元组，zeros知道如何处理它。）

其次，停止在if语句的行和括号末尾放置分号。这是Python，你不需要它们。

至于重复代码，我会将for row, value in ...循环中的所有内容都抽象为迭代器。

所以：

import numpy as np

def average_iterator(data, windowSize):
  rSum = 0.0
  for row, value in enumerate(data):
    if row < windowSize:
      rSum += float(value)
    else:
      rSum = rSum - data[row-windowSize] + value
    yield row, rSum / windowSize

def running_average(data, windowSize):
  dShape = np.shape(data)
  raOut = np.zeros(dShape)
  if len(dShape) == 1:
    for row, avg in average_iterator(data, windowSize):
      raOut[row] = avg
  else:
    for col in xrange(dShape[1]):
      for row, avg in average_iterator(data[:,col], windowSize):
        raOut[row, col] = avg
  return raOut

您还可以在average_iterator中设置running_average本地定义，在这种情况下，您无需传递windowSize。

Answer 3

我喜欢Peter的回答，但这里有一个替代方案，对代码的更改较少。只测试列数 - 如果你没有列，则认为它是'1'。

import numpy as np
def running_average(data,windowSize):
    dShape = np.shape(data)

    try:
        dShape[1]
    except:
        data = [data]
        dShape = np.shape(data)

    raOut = np.zeros(dShape)
    for col in dShape[1]:
        rSum=0.0
        for row,value in enumerate(data[:][col]):
            if row<windowSize:
                rSum+=float(value)
            else:
                rSum=rSum-data[row-windowSize][col]+value
            raOut[row][col]=rSum/windowSize

    return np.squeeze(raOut)

Pythonic方式返回正确维度的数组

3 个答案: