使用 numpy 有效地迭代

Question

我编写了代码来计算数组 y 在周期 p 中每个元素的平均值

import numpy as np
p=4

y =np.asarray([146, 96, 59, 133, 192, 127, 79, 186, 272, 155, 98, 219])

c=len(y)/p
print c

a=[]
for i in range(1,c+1):
    s=y[p*(i-1):p*i]/np.mean(y[p*(i-1):p*i])
    a = np.append(a, s)
print a

b=[]
for i in range(c+1):
    s = np.mean(a[i::p])
    b = np.append(b, s)

print b

有没有比使用 append 和 for 循环更有效的方法来做到这一点？我不需要两个数组只是 b

Answer 1

实际上，您执行的是 2d 操作。如果添加了第二个维度（例如使用重塑），则可以评估您的第一个数组 a：

z = y.reshape(-1, p)
w = z/z.mean(axis=1).reshape(-1,1)
print w.flatten()
# [ 1.34562212  0.88479263  0.5437788   1.22580645  1.31506849  0.86986301
#   0.54109589  1.2739726   1.46236559  0.83333333  0.52688172  1.17741935]

您的第二个 b 是先前结果的平均值：

print w.mean(axis=0)
# [ 1.37435207,  0.86266299,  0.53725214,  1.2257328 ]

更新

当您提到 cmets 中的指数平滑时，您可能会对处理时间序列的 pandas 或 statsmodels 包感兴趣。例如，在问题跟踪器中查看带有一些有用的 computational tools 和 this ER 的 pandas 文档，以获取有关指数平滑实现的一些有用链接。