一维数据的区间平均值答案

【问题标题】：Interval average of 1D data一维数据的区间平均值
【发布时间】：2013-05-24 11:00:24
【问题描述】：

我有两个一维数组，一个用于测量数据，另一个用于位置。例如，测量的数据可以是温度，另一个数组是测量的高度：

temp = np.asarray([10, 9.6, 9.3, ..., -20.3, -21.0])  # Temperature in celsius
height = np.asarray([129, 145, 167, ..., 5043, 5112]) # Height in meters

如您所见，测量的高度不是规则间隔的。

我想以规则间隔的高度间隔计算平均温度。这是某种移动平均线，但窗口大小是可变的，因为感兴趣区间内的数据点并不总是相同。

这可以通过以下方式使用 for 循环来完成：

regular_heights = np.arange(0, 6000, 100) # Regular heights every 100m
regular_temps = []

for i in range(len(regular_heights)-1):
    mask = np.logical_and(height > regular_heights[i], height < regular_heights[i+1])
    mean = np.mean(temp[mask])
    regular_temps.append(mean)

regular_temps = np.hstack((regular_temps))

我不太喜欢这种方法，我想知道是否会有更“numpy 风格”的解决方案。

【问题讨论】：

您想要“移动平均线”还是“定期间隔的平均温度”？也就是说，如果你有 N 个区间，你想要 N 个平均值，还是你想要一个使用移动窗口（跨越每个位置的高度范围）的连续平均值？
正如我在我的commnet 中对@elyase 的回答所说的那样，我可能需要首先以规则间隔的方式计算平均值，然后用样条曲线对其进行平滑处理。但是，移动平均线与样条曲线结合起来也可能很好。

标签： python numpy average

【解决方案1】：

您可能正在寻找UnivariateSpline。例如：

from scipy.interpolate import UnivariateSpline

temp = np.asarray([10, 9.6, 9.3, 9.0, 8.7])    # Temperature in celsius
height = np.asarray([129, 145, 167, 190, 213]) # Height in meters
f = UnivariateSpline(height, temp)

现在您可以在任何地方评估f：

regular_heights = np.arange(120, 213, 5)       # Regular heights every 5m
plot(height, temp, 'o', regular_heights, f(regular_heights), 'x')

【讨论】：

f(regular_heights) 在这些点给出插值。不是 OP 所要求的——高度区间内的值的平均值。
我知道他提到了“意思”，但是用一种相当模糊的方式（意思是什么？）。看起来这就是他真正想要的，这就是为什么我说'可能在寻找......'。如果你愿意，你可以发布一个带有平均值的答案，我想我们最终会找出他所追求的。
UnivariateSpline对于在垂直剖面中获取的数据看起来很好，但是，在我的情况下，数据是在不同的位置同时获取的，值非常不同。也许我的解决方案需要结合使用这两种方法，首先是平均以获得规则间隔的数据集，然后应用样条曲线以获得平滑曲线。
我不知道你的数据到底是什么样的，但你可能想看看这个：scikit-learn.org/0.13/modules/gaussian_process.html