В среднем каждый x чисел в массиве в python

Question

Предположим, у меня есть массив из 100 случайных чисел, называемых random_array. Мне нужно создать массив, который усредняет x чисел в random_array и сохраняет их.

Так что, если у меня были х = 7, то мой код находит среднее значение первых 7 номеров и сохраняют их в моем новом массиве, а затем следующие 7, то следующий 7 ...

я в настоящее время это, но Я задаюсь вопросом, как я могу векторизации или использовать какой-либо метод Python:

random_array = np.random.randint(100, size=(100, 1)) 
count = 0 
total = 0 
new_array = [] 
for item in random_array: 
    if (count == 7): 
     new_array.append(total/7) 
     count = 0 
     total = 0 
    else: 
     count = count + 1 
     total = total + item 
print new_array 

Answer 1

Вот подход с ID на основе суммирования/усреднения с использованием np.bincount -

ids = np.arange(len(random_array))//7 
out = np.bincount(ids,random_array)/np.bincount(ids) 

Пример запуска -

In [140]: random_array 
Out[140]: 
array([89, 66, 29, 25, 36, 25, 30, 58, 64, 19, 25, 63, 76, 74, 44, 73, 94, 
     88, 83, 88, 17, 91, 69, 65, 32, 73, 91, 20, 20, 14, 52, 65, 21, 58, 
     14, 30, 26, 82, 61, 87, 24, 67, 83, 93, 57, 30, 81, 48, 84, 83, 59, 
     19, 95, 55, 86, 57, 59, 77, 92, 44, 40, 29, 37, 42, 33, 89, 37, 57, 
     18, 17, 85, 47, 19, 95, 96, 40, 13, 64, 18, 79, 95, 26, 31, 70, 35, 
     65, 52, 93, 46, 63, 86, 77, 87, 48, 88, 62, 68, 82, 49, 86]) 

In [141]: ids = np.arange(len(random_array))//7 

In [142]: np.bincount(ids,random_array)/np.bincount(ids) 
Out[142]: 
array([ 42.85714286, 54.14285714, 69.57142857, 63.  , 
     34.85714286, 53.85714286, 68.  , 64.85714286, 
     54.  , 41.85714286, 56.42857143, 54.71428571, 
     62.85714286, 73.14285714, 67.5  ]) 

In [143]: random_array[:7].mean() # Verify output[0] 
Out[143]: 42.857142857142854 

In [144]: random_array[7:14].mean() # Verify output[1] 
Out[144]: 54.142857142857146 

In [145]: random_array[98:].mean() # Verify output[-1] 
Out[145]: 67.5 

Для исполнения мы можем заменить np.bincount(ids,random_array) на альтернативный вариант с использованием np.add.reduceat -

np.add.reduceat(random_array,range(0,len(random_array),7)) 

Answer 2

вы могли бы сделать это:

random_array = np.random.randint(100, size=(100, 1)) 

n = 7 

dummy_array = random_array 

new_vector = [] 

ref = n 

for i in np.arange(len(random_array)/n): 

    new_vector.append(dummy_array[i*n:ref].mean()) 

    ref = ref + n 

он вернет вам вектор с помощью, последний член является средним любого осталось (последняя последовательность оленья кожа есть N термины necessarely)

надеюсь, что это помогает

Answer 3

Вот стандартный трюк

def down_sample(x, f=7): 
    # pad to a multiple of f, so we can reshape 
    # use nan for padding, so we needn't worry about denominator in 
    # last chunk 
    xp = np.r_[x, nan + np.zeros((-len(x) % f,))] 
    # reshape, so each chunk gets its own row, and then take mean 
    return np.nanmean(xp.reshape(-1, f), axis=-1) 

Answer 4

Вы можете сделать это:

res = np.average(np.reshape(random_array, (-1, 7)), axis=1) 

... при условии, что размер входного массива кратна 7. Если это не гарантируется, вы можете отрубить остатки сначала:

random_array.resize(random_array.size // 7 * 7)