通过从拆分数组计算值的函数填充拆分数组

Question

我遇到了一个 for 循环问题。

我有一个信号作为一个数组，我把它分成多个时期。

times = np.arange(0, duration, 1 / sfreq)
nse1 = np.random.rand(times.size) * nse_amp
x =  amp * np.sin( 2 * np.pi * 200 * times            ) + nse1
x2 = np.array_split(x,epochs)

我第二次为 y 信号执行此操作。 假设我的信号 x 具有 (100) 的形状，那么我的 2 个 epoch 的拆分数组应该具有 (2, 50) 的形式。

现在我想在 for 循环中使用一个函数来计算拆分数组的每个段的每个值的值...类似于：

for i in range(0,epochs):
    Rxy[i], freqs_xy[i] = mlab.csd(x2[i], y2[i], NFFT=nfft, Fs=sfreq)

所以我会得到一个 Rxy 的数组，比如 (2, 50)

希望你能得到我想做的。

您好， 丹尼尔

Answer 1

要将Rxy 构建为数组，请先为数组分配空间：

Rxy = np.empty_like(x2)
freqs_xy = np.empty_like(x2)

然后你可以使用循环填充Rxy的行：

for i in range(2):
    Rxy[i], freqs_xy[i] = mlab.csd(x2[i], y2[i], NFFT=nfft, Fs=sfreq)

---

顺便说一句，np.array_split(x,epochs) 返回一个数组的列表。那不是 与形状数组(2, 50) 相同。如果你能保证epochs 将x 分割成等长的数组，你可以使用

x2 = x.reshape(2, -1)

相反。那么x2 将是一个形状为(2, 50) 的数组。 reshape 更快 比array_split 因为reshape 只需要更改一个属性，而 array_split 必须将数据分配并复制到新数组中。更何况是 通常最好将数据保存在一个大数组中而不是列表中的部分 数组，因为列表上的计算通常需要 Python 循环，这些循环是 使用 NumPy 时性能的祸根。当然，有时 Python 循环 无法避免，就像这里调用mlab.csd 时的情况一样。