在滑动窗口中求和元素 - NumPy答案

【问题标题】：Summing elements in a sliding window - NumPy在滑动窗口中求和元素 - NumPy
【发布时间】：2016-11-25 05:58:55
【问题描述】：

有一种 numpy 方法可以对区间中的每个三个元素求和吗？例如：

import numpy as np
mydata = np.array([4, 2, 3, 8, -6, 10])

我想得到这个结果：

np.array([9, 13, 5, 12])

【问题讨论】：

@Ohumeronen 解释conv 可能需要一段时间。但在帖子中添加了一些相关的 cmets。
哦，非常感谢您抽出宝贵的时间。我看到这个函数似乎很复杂，但我也会阅读一些关于它的文档。再次感谢！
How to calculate moving average using NumPy?的可能重复
stackoverflow.com/q/13728392/52074的可能重复

标签： python numpy

【解决方案1】：

我们可以使用np.convolve -

np.convolve(mydata,np.ones(3,dtype=int),'valid')

convolution 的基本思想是我们有一个内核，我们在输入数组中滑动，当内核滑动通过时，卷积运算将元素乘以内核元素相加。因此，为了解决我们的窗口大小为3 的情况，我们使用由np.ones(3) 生成的三个1s 的内核。

示例运行 -

In [334]: mydata
Out[334]: array([ 4,  2,  3,  8, -6, 10])

In [335]: np.convolve(mydata,np.ones(3,dtype=int),'valid')
Out[335]: array([ 9, 13,  5, 12])

【讨论】：

啊现在我明白了。根据提供的数据，我使用 np.convolve(mydata,[1,2],'valid') 进行了尝试，但不明白为什么结果不是 [8,8,19,-4,14]。但这是 np.convolve(mydata,[2,1],'valid') 的输出。现在一切都清楚了:-)

【解决方案2】：

从Numpy 1.20 开始，sliding_window_view 提供了一种在元素窗口中滑动/滚动的方式。然后可以单独求和的窗口：

from numpy.lib.stride_tricks import sliding_window_view

# values = np.array([4, 2, 3, 8, -6, 10])
np.sum(sliding_window_view(values, window_shape = 3), axis = 1)
# array([9, 13, 5, 12])

地点：

window_shape是滑动窗口的大小
np.sum(array, axis = 1) 对子数组求和

而滑动的中间结果是：

sliding_window_view(np.array([4, 2, 3, 8, -6, 10]), window_shape = 3)
# array([[ 4,  2,  3],
#        [ 2,  3,  8],
#        [ 3,  8, -6],
#        [ 8, -6, 10]])

【讨论】：

【解决方案3】：

不使用外部库的解决方案可能如下所示：

from collections import deque

def sliding_window_sum(a, size):
  out     = []
  the_sum = 0
  q       = deque()
  for i in a:
    if len(q)==size:
      the_sum -= q[0]
      q.popleft()
    q.append(i)
    the_sum += i
    if len(q)==size:
      out.append(the_sum)
  return out

v = [0, 0, 0, 0, 1, 1, 1, 0, 1, 1, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1]
sliding_window_sum(v, 5)

它给出了输出：

[1, 2, 3, 3, 4, 4, 3, 2, 3, 2, 1, 1, 1, 0, 0, 1]

这与使用 numpy 的结果相匹配：

import numpy as np
np.convolve(v, np.ones(5, dtype=int),'valid').tolist()

【讨论】：