平均 NumPy 数组中的每 x 个数字答案

【问题标题】：Average every x numbers in NumPy array平均 NumPy 数组中的每 x 个数字
【发布时间】：2017-01-23 20:48:36
【问题描述】：

假设我有一个包含 100 个随机数的数组，名为 random_array。我需要创建一个数组，对 random_array 中的 x 个数字进行平均并存储它们。

所以如果我有x = 7，那么我的代码会找到前 7 个数字的平均值并将它们存储在我的新数组中，然后是下一个 7，然后是下一个 7...

我目前有这个，但我想知道如何对其进行矢量化或使用一些 python 方法：

random_array = np.random.randint(100, size=(100, 1))
count = 0
total = 0
new_array = []
for item in random_array:
    if (count == 7):
        new_array.append(total/7)
        count = 0
        total = 0
    else:
        count = count + 1
        total = total + item
print new_array

【问题讨论】：

所以 98 和 99（或最后两个元素）的元素因为不能形成 7 的数组而被删除？

标签： python numpy average

【解决方案1】：

这是一种使用 np.bincount 进行基于 ID 的求和/平均的方法 -

ids = np.arange(len(random_array))//7
out = np.bincount(ids,random_array)/np.bincount(ids)

示例运行 -

In [140]: random_array
Out[140]: 
array([89, 66, 29, 25, 36, 25, 30, 58, 64, 19, 25, 63, 76, 74, 44, 73, 94,
       88, 83, 88, 17, 91, 69, 65, 32, 73, 91, 20, 20, 14, 52, 65, 21, 58,
       14, 30, 26, 82, 61, 87, 24, 67, 83, 93, 57, 30, 81, 48, 84, 83, 59,
       19, 95, 55, 86, 57, 59, 77, 92, 44, 40, 29, 37, 42, 33, 89, 37, 57,
       18, 17, 85, 47, 19, 95, 96, 40, 13, 64, 18, 79, 95, 26, 31, 70, 35,
       65, 52, 93, 46, 63, 86, 77, 87, 48, 88, 62, 68, 82, 49, 86])

In [141]: ids = np.arange(len(random_array))//7

In [142]: np.bincount(ids,random_array)/np.bincount(ids)
Out[142]: 
array([ 42.85714286,  54.14285714,  69.57142857,  63.        ,
        34.85714286,  53.85714286,  68.        ,  64.85714286,
        54.        ,  41.85714286,  56.42857143,  54.71428571,
        62.85714286,  73.14285714,  67.5       ])

In [143]: random_array[:7].mean()    # Verify output[0]
Out[143]: 42.857142857142854

In [144]: random_array[7:14].mean()  # Verify output[1]
Out[144]: 54.142857142857146

In [145]: random_array[98:].mean()   # Verify output[-1]
Out[145]: 67.5

为了性能，我们可以使用np.add.reduceat 替换np.bincount(ids,random_array) -

np.add.reduceat(random_array,range(0,len(random_array),7))

【讨论】：

【解决方案2】：

这是标准技巧

def down_sample(x, f=7):
    # pad to a multiple of f, so we can reshape
    # use nan for padding, so we needn't worry about denominator in
    # last chunk
    xp = np.r_[x, nan + np.zeros((-len(x) % f,))]
    # reshape, so each chunk gets its own row, and then take mean
    return np.nanmean(xp.reshape(-1, f), axis=-1)

【讨论】：

【解决方案3】：

你可以这样做：

random_array = np.random.randint(100, size=(100, 1))

n = 7

dummy_array = random_array

new_vector = []

ref = n

for i in np.arange(len(random_array)/n):

    new_vector.append(dummy_array[i*n:ref].mean())

    ref = ref + n

它会返回一个带有平均值的向量，最后一项是剩下的平均值（最后一个序列不一定有 N 项）

希望对你有帮助

【讨论】：

【解决方案4】：

你可以这样做：

res = np.average(np.reshape(random_array, (-1, 7)), axis=1)

...前提是输入数组的大小是 7 的倍数。如果不能保证，您可以先将余数切掉：

random_array.resize(random_array.size // 7 * 7)

【讨论】：