我编写的代码计算数组 y 的周期 p 中每个元素的平均值
import numpy as np
p=4
y =np.asarray([146, 96, 59, 133, 192, 127, 79, 186, 272, 155, 98, 219])
c=len(y)/p
print c
a=[]
for i in range(1,c+1):
s=y[p*(i-1):p*i]/np.mean(y[p*(i-1):p*i])
a = np.append(a, s)
print a
b=[]
for i in range(c+1):
s = np.mean(a[i::p])
b = np.append(b, s)
print b
有没有比使用 append 和 for 循环更有效的方法来做到这一点?我不需要两个数组 b
请您参考如下方法:
其实你做的是二维操作。如果添加了第二个维度(例如使用 reshape ),则可以评估您的第一个数组 a:
z = y.reshape(-1, p)
w = z/z.mean(axis=1).reshape(-1,1)
print w.flatten()
# [ 1.34562212 0.88479263 0.5437788 1.22580645 1.31506849 0.86986301
# 0.54109589 1.2739726 1.46236559 0.83333333 0.52688172 1.17741935]
您的第二个 b 是先前结果的平均值:
print w.mean(axis=0)
# [ 1.37435207, 0.86266299, 0.53725214, 1.2257328 ]
更新
正如您在评论中提到的指数平滑,您可能对 pandas 或 statsmodels 包感兴趣来处理时间序列。有关指数平滑实现的一些有用链接,请参阅问题跟踪器中的一些有用的 computational tools 和 this ER,例如 pandas 文档。
