我在 numpy 中有大量数千个 val。我想通过平均相邻值来减小它的大小。 例如：
a = [2,3,4,8,9,10]
#average down to 2 values here
a = [3,9]
#it averaged 2,3,4 and 8,9,10 together
所以，基本上，我在数组中有 n 个元素，我想告诉它平均到 X 个值，并且它的平均值类似于上面。
有没有办法用 numpy 做到这一点（已经将它用于其他事情，所以我想坚持下去）。
【问题讨论】：
reshape，然后再提议mean，但这与this question 接受的答案相同。这对你的目的有用吗？
看起来像一个简单的非重叠移动窗口平均值，怎么样：
In [3]:
import numpy as np
a = np.array([2,3,4,8,9,10])
window_sz = 3
a[:len(a)/window_sz*window_sz].reshape(-1,window_sz).mean(1)
#you want to be sure your array can be reshaped properly, so the [:len(a)/window_sz*window_sz] part
Out[3]:
array([ 3., 9.])
【讨论】：
试试这个：
n_averaged_elements = 3
averaged_array = []
a = np.array([ 2, 3, 4, 8, 9, 10])
for i in range(0, len(a), n_averaged_elements):
slice_from_index = i
slice_to_index = slice_from_index + n_averaged_elements
averaged_array.append(np.mean(a[slice_from_index:slice_to_index]))
>>>> averaged_array
>>>> [3.0, 9.0]
【讨论】：
使用reshape 和mean，您可以平均大小为N*m 的一维数组的每个m 相邻值，其中N 是任何正整数。例如：
import numpy as np
m = 3
a = np.array([2, 3, 4, 8, 9, 10])
b = a.reshape(-1, m).mean(axis=1)
#array([3., 9.])
1)a.reshape(-1, m) 将在不复制数据的情况下创建数组的 2D 图像：
array([[ 2, 3, 4],
[ 8, 9, 10]])
2）取第二个轴的平均值（axis=1）然后计算每一行的平均值，得到array([3., 9.])。
【讨论】：
在这个例子中，我假设 a 是需要平均的一维 numpy 数组。在我下面给出的方法中，我们首先找到这个数组长度的因素a。然后，我们选择一个合适的因子作为平均数组的步长。
这里是代码。
import numpy as np
from functools import reduce
''' Function to find factors of a given number 'n' '''
def factors(n):
return list(set(reduce(list.__add__,
([i, n//i] for i in range(1, int(n**0.5) + 1) if n % i == 0))))
a = [2,3,4,8,9,10] #Given array.
'''fac: list of factors of length of a.
In this example, len(a) = 6. So, fac = [1, 2, 3, 6] '''
fac = factors(len(a))
'''step: choose an appropriate step size from the list 'fac'.
In this example, we choose one of the middle numbers in fac
(3). '''
step = fac[int( len(fac)/3 )+1]
'''avg: initialize an empty array. '''
avg = np.array([])
for i in range(0, len(a), step):
avg = np.append( avg, np.mean(a[i:i+step]) ) #append averaged values to `avg`
print avg #Prints the final result
[3.0, 9.0]
【讨论】：