numpy/python 中的加权平均值答案

【问题标题】：Weighted mean in numpy/pythonnumpy/python 中的加权平均值
【发布时间】：2015-07-15 10:15:42
【问题描述】：

我有一个很大的连续值数组，范围从 (-100, 100)

现在我想计算这个数组的加权平均值described here

因为它是连续的，我还想为每 20 次的值设置中断即值应该是离散的 -100 -80 -60 …… 60 80 100

我一般如何在 NumPy 或 python 中做到这一点？

编辑：这里与正常平均值的差异，即平均值是根据值的频率计算的

【问题讨论】：

【解决方案1】：

您实际上有 2 个不同的问题。

通常最好一次问 1 个问题，但无论如何。

根据您的规格：

xmin = -100
xmax = 100
binsize = 20

首先，让我们导入 numpy 并制作一些数据：

import numpy as np
data = numpy.array(range(xmin, xmax))

然后让我们制作您正在寻找的分箱：

bins_arange = numpy.arange(xmin, xmax + 1, binsize)

由此我们可以将数据转换为离散形式：

counts, edges = numpy.histogram(data, bins=bins_arange)

现在要计算加权平均值，我们可以使用分箱中间（例如，-100 和 -80 之间的数字平均为 -90）：

bin_middles = (edges[:-1] + edges[1:]) / 2

请注意，与整数除法方法相反，此方法不需要分箱均匀“间隔”。

然后让我们做一些权重：

weights = numpy.array(range(len(counts)) / sum(range(len(counts))

然后把它们放在一起：

average =          np.sum(bin_middles * counts * 1) / sum(counts)
weighted_average = np.sum(bin_middles * counts * weights) / sum(counts)

【讨论】：

【解决方案2】：

对于离散化（breaks），这里有一个使用python整数除法的方法：

import numpy as np
values = np.array([0, 5, 10, 11, 21, 24, 48, 60])
(values/20) *20
# or (a/10).astype(int)*10 to force rounding

将打印：

aarray([ 0,  0,  0,  0, 20, 20, 40, 60])

对于加权平均值，如果您有另一个包含每个点的权重的数组，您可以使用：

weighted_means = sum([ w*v for w,v in zip(weights, values)]) / sum( w*w )

【讨论】：