对 NumPy 数组中连续值的切片求和答案

【问题标题】：Sum slices of consecutive values in a NumPy array对 NumPy 数组中连续值的切片求和
【发布时间】：2015-06-06 03:51:04
【问题描述】：

假设我有一个包含 10 个值的 numpy 数组 a。这里只是一个示例情况，尽管我想对长度为 100 的数组重复相同的操作。

a = np.array([1,2,3,4,5,6,7,8,9,10])

我想将前 5 个值与后 5 个值相加，以此类推，并将它们存储在一个新的空列表中，例如 b。

所以b 将包含b = [15,40]。

我该怎么做呢？

【问题讨论】：

标签： python arrays list numpy sum

【解决方案1】：

一种方法是使用add ufunc 及其reduceat 方法：

>>> np.add.reduceat(a, [0,5])
array([15, 40])

这对切片 a[0:5] 和 a[5:] 求和并返回一个新数组。

如果你想要一个 Python 列表，你可以在返回的数组上调用 tolist()。

您可以在该方法中使用任何索引列表（并且它们不必均匀分布）。例如，如果您希望每次在长度为 100 的数组上切片 5：

>>> b = np.arange(100)
>>> np.add.reduceat(b, range(0, 100, 5))
array([ 10,  35,  60,  85, 110, 135, 160, 185, 210, 235, 260, 285, 310,
   335, 360, 385, 410, 435, 460, 485])

【讨论】：

但是对于更大的 len = 100 数组，我需要相同的！有没有办法扩展它？
该方法的适应性很强 - 你能澄清一下你想要更大的数组吗？
当我对较大的数组执行此操作时，我只得到两个值！但我需要得到 20 个值，因为我的数组是 len = 100
@user3397243：我在回答中添加了一些附加信息。

【解决方案2】：

这里（还有）另一种解决方案：

In [3]: a.reshape((2,5)).sum(axis=1)
Out[3]: array([15, 40])

将一维数组重塑为两行 5 列并对列求和：

In [4]: a.reshape((2,5))
Out[4]: 
array([[ 1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10]])

每行的总和（列项的总和）用axis=1 指定。重塑无需复制数据（也无需修改原始 a），因此高效且快速。

【讨论】：

您能详细说明一下吗？
但是为此我需要更改每个新数组的形状！
是的：如果数组的长度不同，您需要计算正确的形状以在此处使用：例如要调整大小的形状将是 (n//k, k)，对于长度为 n 的数组对长度为 k 的连续块求和，n 最好能被 k 整除。
我更喜欢这个解决方案；没有手动循环，它适用于所有（大多数？）Numpy 函数（sum、mean、...），reduceat 的解决方案不是。

【解决方案3】：

试试这个列表理解：

b = [sum(a[current: current+5]) for current in xrange(0, len(a), 5)]

它一次从列表中取出 5 个切片，将它们相加并构造一个列表。也适用于长度不是 5 的倍数的列表。

（xrange 在 python3+ 中应该是 range）

【讨论】：

这效率不高。在使用 np.array 时，您应该尽可能使用 Numpy API，如此处的其他答案所示。我刚刚开始学习如何使用 Numpy，所以我可能会弄错，但根据经验，如果您使用 for，您可能做错了什么。
我认为完全相反：您应该谨慎使用 numpy（或效率构造而不是一般构造），并且仅在您真正需要的地方使用。在非常特殊的情况下需要效率。不要让他们支配你的代码。
确实你不应该过早地优化你的代码，但是这个问题是关于 Numpy 数组的。鉴于这种情况，答案应该使用 Numpy API。如果有人刚开始使用 Numpy 使用这个答案但正在做图像处理工作怎么办？性能会很差，所以这个答案只会浪费他们的时间而不是帮助他们。
“假设”正是导致过早优化的思维类型。我仍然不同意将库 API 用于宿主语言中现成的东西。如果需要在更多上下文中使用此代码怎么办？如果它需要移动到不同的图书馆怎么办？如果它由不熟悉 numpy 的开发人员阅读和维护怎么办？我们可以提出任何假设来支持我们的主张，但我们只知道 OP 的要求。 python中有一个简单的解决方案，任何python程序员都可以理解。
Numpy 在某些领域非常普遍，以至于在风格上可能不鼓励使用本机 python 结构。此外，在许多已经使用 numpy 数组的情况下，它们正在处理大型数组，因此 20 倍的加速是值得的。

【解决方案4】：

你可以使用

import numpy as np

a = np.array([1,2,3,4,5,6,7,8,9,10])
step = 5

for i in range(0,a.shape[0],step):
    print(np.sum(a[i:i+step]))

【讨论】：

这效率不高。使用 np.array 时应尽可能使用 Numpy API
@SagieLevy，接受的答案与列表理解做同样的事情，可能值得对此发表评论

【解决方案5】：

在您的特定情况下，计算 5 个连续元素的总和：

a = np.array([1,2,3,4,5,6,7,8,9,10])
print(a.reshape((-1,5)).sum(axis=1))

一般来说，要对 N 个连续元素执行 numpy 数组操作 oper（例如 mean 或 max）：

print(a.reshape((-1,N)).oper(axis=1))

注意len(a) 必须能被N 整除。

【讨论】：