列表中每个连续段的平均值答案

【问题标题】：Average of each consecutive segment in a list列表中每个连续段的平均值
【发布时间】：2019-02-10 20:18:44
【问题描述】：

我有一个清单：

sample_list = array([1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16])

我想计算每个元素的平均值，比如 4 个元素。但不是单独的 4 个元素，而是前 4 个：

1,2,3,4

接着是：

2,3,4,5

接着是：

3,4,5,6

等等。

结果将是第一个列表中每 4 个元素之间的平均值的数组或列表。

输出：

array([2.5, 3.5, 4.5, ...])

我的尝试：

sample_list = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11]
splits = 4

def avgerage_splits(data):
    datasum = 0
    count = 0 
    for num in data:
        datasum += num
    count += 1
    if count == splits: 
        yield datasum / splits
        datasum = count = 0
if count: 
    yield datasum / count

print(list(average_splits(sample_list)))

[1.5, 3.5, 5.5, 7.5, 9.5, 11.0]

这不是我需要的输出，因为它会在移动到一组新的 4 个元素之前计算每 4 个元素的平均值。我只想在列表中向上移动一个元素并计算这 4 个元素的平均值，依此类推。

【问题讨论】：

标签： python list numpy average

【解决方案1】：

如果numpy 是一个选项，实现此目的的一种简单方法是使用np.convolve，它可用于在与np.ones 的数组进行卷积时计算滚动平均值：

import numpy as np
sample_list = np.array([1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16], dtype=float)

w = 4
np.convolve(sample_list, np.ones(w), 'valid') / w

输出

array([ 2.5,  3.5,  4.5,  5.5,  6.5,  7.5,  8.5,  9.5, 10.5, 11.5, 12.5,
   13.5, 14.5])

详情

np.convolve 在两个输入数组之间执行discrete convolution。在本例中为np.ones(w)，它将是与指定窗口长度（本例中为 4）array([1., 1., 1., 1.]) 和 sample_list 一样多的数组。

以下列表理解旨在复制np.convolve 计算输出值的方式：

w = 4
np.array([sum(ones*sample_list[m:m+w]) for m in range(len(sample_list)-(w-1))]) / w 

array([ 2.5,  3.5,  4.5,  5.5,  6.5,  7.5,  8.5,  9.5, 10.5, 11.5, 12.5,
   13.5, 14.5])

因此，在每次迭代中，它都会取一数组与sample_list 的当前窗口之间的内积。

下面是如何计算第一个输出的示例，以便更清楚一点。请注意，在这种情况下，为卷积指定的使用模式是valid，这意味着，重叠被指定为始终完整：

[1,1,1,1]
[1,2,3,4,5,6,7,8...]
= (1*1 + 1*2 + 1*3 + 1*4) / 4 = 2.5

以下为：

  [1,1,1,1]
[1,2,3,4,5,6,7,8...]
= (1*2 + 1*3 + 1*4 + 1*5) / 4 = 3.5

依此类推，如前所述，产生sample_list的移动平均线。

【讨论】：

你能解释一下 np.ones() 的作用吗？
这对@Murray 有帮助吗？请记住，如果有，您可以投票/接受，请参阅What should I do when someone answers my question?
是的，这很有帮助。 “移动平均线”正是我想要的。赞成并接受。非常感谢。

【解决方案2】：

您可以使用单行列表推导：

avgs = [sum(sample_list[i:i + splits]) / splits for i in range(len(sample_list) - splits + 1)]

当然，如果您想要生成器，请将方括号替换为圆括号。

【讨论】：

【解决方案3】：

您可以将函数 mean() 映射到压缩迭代器：

from statistics import mean
from itertools import islice

l = [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16]

zip_iter = zip(*(islice(l, i, None) for i in range(4)))
list(map(mean, zip_iter))
# [2.5, 3.5, 4.5, 5.5, 6.5, 7.5, 8.5, 9.5, 10.5, 11.5, 12.5, 13.5, 14.5]

【讨论】：

【解决方案4】：

作为一个对大多数 python 模块知之甚少的新程序员，这里有另一种解决方案。 4是分裂的数量。它总是可以调整你想要的任意数量的分割。虽然 3 in (Len(nlis) - 3) 是 4 - 1。所以用你的分割数替换 3 - 1。

nlis = [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16]

summation = []
ave = []
for a in range(len(nlis)- 3):
    summation = sum(nlis[a:a+4])
    ave.append(summation/4)
print(ave)

# [2.5, 3.5, 4.5, 5.5, 6.5, 7.5, 8.5, 9.5, 10.5, 11.5, 12.5, 13.5, 14.5]

【讨论】：