如何使用 Python 创建一个循环来计算每个时间序列子样本序列的平均值？答案

【问题标题】：How do I create a Loop using Python that calculates means for each timeseries subsample sequence?如何使用 Python 创建一个循环来计算每个时间序列子样本序列的平均值？
【发布时间】：2019-11-12 21:51:06
【问题描述】：

我正在尝试创建一个以时间序列和多个拆分作为参数的函数。如果拆分 = 3，我希望该函数将时间序列数据分成三份并计算每个拆分的平均值。我在下面创建的代码累积计算平均值。这是示例数据：

data = pd.Series([1,2,3,4,5,6,7,8,9,9])

这是我创建的函数：

def multi_mean(ts, n_splits = 3):
    ts_ranges = []
    mn_range = []
    for i in range(1,n_splits+1):
        result = int(round(len(ts)/(i),0))
        for j in range(1,i+1):
            result2 = ts[:result*j].mean()
            mn_range.append(result2)         
    return mn_range

虚假数据上的函数提供以下结果列表：

rs1 = multi_mean(data,2)
[5.4,3.0,5.4]

第一个数字是 i =1 的拆分，即整个样本。第二个数字是 i = 2 的第一个平均值，它是前 5 个数字的平均值。 i = 2 的第二个数字平均所有数字。我无法弄清楚如何在循环中构造切片，以便获得所需的结果。我想要以下期望的结果：

[5.4,3.0,7.8]

最后，我希望将每一轮 i 输出到一个单独的列表对象中。

【问题讨论】：

当 n_splits=2 时，为什么你的答案中有 3 个数字？
我想要一系列拆分。所以 split = 2 实际上是两轮拆分。第一轮是整个样本。第二轮将数据分成两半。
如果/当它不是完全可分的时候，你将如何处理剩余部分，比如 10/3
您能否进一步扩展您正在尝试做的事情？你有什么理由使用 Pandas 而不是 NumPy？

标签： python pandas loops list-comprehension nested-loops

【解决方案1】：

关键部分是您忘记指定每个切片的开始。顺便说一句，你不需要像熊猫系列那样做；一个简单的列表就可以了

更改中心线以开始切片：

    result2 = sum(ts[result*(j-1):result*j]) / result

输出：

[5.4, 3.0, 7.8]

【讨论】：

【解决方案2】：

Prune 成功修复了您的代码，但我忍不住要分享一个不同的解决方案。向 NumPy 致敬！

import numpy as np
import itertools as itt

arr_1 = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 9])


def split_means(arr, num_splits):
    means_gen = ((curr_slice.mean() for curr_slice in np.array_split(arr, i)) for i in range(1, num_splits + 1))
    means_iter = itt.chain.from_iterable(means_gen)
    return list(means_iter)


print(split_means(arr_1, 2))

【讨论】：

Prune 解决了这个问题，但我也感谢你的解决方案，因为我也在努力学习函数式编程