在pandas.Series中大小为k的窗口上轻松找到每个n个元素的平均值的方法？ （不是滚动平均值）

Question

这里的动机是采用时间序列并获得整个子时段（天、周）的平均活动。

可以重塑一个数组并在 y 轴上取平均值来实现这一点，类似于这个答案（但使用 axis=2）：

Averaging over every n elements of a numpy array

但我正在寻找可以处理长度为 N%k != 0 的数组的东西，并且不能通过用 1 或 0（例如 numpy.resize）重塑和填充来解决问题，即取现有的平均值仅限数据。

例如，从长度为 N=10 且不能被 k=3 整除的序列 [2,2,3,2,2,3,2,2,3,6] 开始。我想要的是对尺寸不匹配的重塑数组的列取平均值：

In: [[2,2,3], [2,2,3], [2,2,3], [6]], k =3

Out: [3,2,3]

代替：

In: [[2,2,3], [2,2,3], [2,2,3], [6,0,0]], k =3

Out: [3,1.5,2.25]

谢谢。

Answer 1

您可以使用掩码数组填充在求均值时忽略的特殊值，而不是求和。

k = 3

# how long the array needs to be to be divisible by 3
padded_len = (len(in_arr) + (k - 1)) // k * k

# create a np.ma.MaskedArray with padded entries masked
padded = np.ma.empty(padded_len)
padded[:len(in_arr)] = in_arr
padded[len(in_arr):] = np.ma.masked

# now we can treat it an array divisible by k:
mean = padded.reshape((-1, k)).mean(axis=0)

# if you need to remove the masked-ness
assert not np.ma.is_masked(mean), "in_arr was too short to calculate all means"
mean = mean.data

Answer 2

您可以轻松地通过填充、重塑和计算每行要划分多少个元素来做到这一点：

>>> import numpy as np
>>> a = np.array([2,2,3,2,2,3,2,2,3,6])
>>> k = 3

填充数据

>>> b = np.pad(a, (0, k - a.size%k), mode='constant').reshape(-1, k)
>>> b
array([[2, 2, 3],
       [2, 2, 3],
       [2, 2, 3],
       [6, 0, 0]]) 

然后创建一个掩码：

>>> c = a.size // k # 3
>>> d = (np.arange(k) + c * k) < a.size # [True, False, False]

d 的第一部分将创建一个包含[9, 10, 11] 的数组，并将其与a (10) 的大小进行比较，生成上述布尔掩码。

然后划分：

>>> b.sum(0) / (c + 1.0 * d)
array([ 3.,  2.,  3.])

上面将第一列除以 4 (c + 1 * True)，其余除以 3。这是向量化的 numpy，因此，它可以很好地扩展到大型数组。

一切都可以写得更短，我只是展示所有步骤以使其更清晰。

Answer 3

通过解包和链接将列表In展平。创建一个新列表，按列排列扁平列表lst，然后使用map 函数计算每列的平均值：

from itertools import chain

In = [[2, 2, 3], [2, 2, 3], [2, 2, 3], [6]]

lst = chain(*In)
k = 3

In_by_cols = [lst[i::k] for i in range(k)]
# [[2, 2, 2, 6], [2, 2, 2], [3, 3, 3]]

Out  = map(lambda x: sum(x)/ float(len(x)), In_by_cols)
# [3.0, 2.0, 3.0]

在每个子列表的长度上使用 float 将在 python 2.x 上提供更准确的结果，因为它不会进行整数截断。