在数组的各个切片中矢量化 numpy 均值答案

【问题标题】：vectorize numpy mean across the slices of an array在数组的各个切片中矢量化 numpy 均值
【发布时间】：2016-07-24 09:42:27
【问题描述】：

有没有办法对函数进行矢量化，以便输出是一个均值数组，其中每个均值代表输入数组的 0-index 值的均值？循环这非常简单，但我试图尽可能高效。例如0 = 平均值（0），1 = 平均值（0-1），N = 平均值（0-N）

【问题讨论】：

在这种情况下，数组的“0-index”是什么？
数组的开头
想知道这里发布的解决方案是否适合您？

标签： python algorithm numpy vectorization

【解决方案1】：

预期的操作可以创造为cumulative averaging。因此，一个明显的解决方案将涉及cumulative summation 并将这些总和除以参与每个此类总和的元素数量。因此，矢量化实现将涉及np.cumsum，然后除以可以使用np.arange 获得的参与元素的数量，并泛化为 ndarray，就像这样 -

def cummean(A,axis):
    """ Cumulative averaging

    Parameters
    ----------    
    A    : input ndarray
    axis : axis along which operation is to be performed

    Output
    ------    
    Output : Cumulative averages along the specified axis of input ndarray
    """

    return np.true_divide(A.cumsum(axis),np.arange(1,A.shape[axis]+1))

【讨论】：

【解决方案2】：

如果您能够使用pandas，那么expanding_mean 将直接与 NumPy 数组一起使用：

In [10]: pandas.expanding_mean(np.arange(1, 11))
Out[10]: array([ 1. ,  1.5,  2. ,  2.5,  3. ,  3.5,  4. ,  4.5,  5. ,  5.5])

此方法也适用于列：

In [11]: A = np.array([[1, 2, 3, 4, 5, 6, 7, 8, 9, 10], 
                       [1, 1, 1, 1, 1, 1, 1, 1, 1, 1]]).T

In [12]: A
Out[12]: 
array([[ 1,  1],
       [ 2,  1],
       [ 3,  1],
       [ 4,  1],
       [ 5,  1],
       [ 6,  1],
       [ 7,  1],
       [ 8,  1],
       [ 9,  1],
       [10,  1]])

In [13]: pandas.expanding_mean(A)
Out[13]: 
array([[ 1. ,  1. ],
       [ 1.5,  1. ],
       [ 2. ,  1. ],
       [ 2.5,  1. ],
       [ 3. ,  1. ],
       [ 3.5,  1. ],
       [ 4. ,  1. ],
       [ 4.5,  1. ],
       [ 5. ,  1. ],
       [ 5.5,  1. ]])

【讨论】：