Matlab 列中不同值的平均数

我在Matlab中遇到了一个问题。就是这样，我试着取不同数值的平均值​​在一列中。例如，如果我们有下面的列

X = [1 1 2 3 4 3 8 2 1 3 5 6 7 7 5]

首先，我想从取5个值的平均值开始​​并策划它们。在上面的例子中，我应该得到三个我可以绘制的平均值。然后取10个值​​每次等等。

---

我想知道您是否必须编写自定义代码来修复它。

如果您发布一些代码并准确指出哪些不起作用，这将非常有用

作为第一个指针。如果

X = [1 1 2 3 4 3 8 2 1 3 5 6 7 7 5]

你感兴趣的5块中的三种方法是

mean(X(1:5))
mean(X(6:10))
mean(X(11:15))

---

你必须想出一个for循环，或者其他方法来迭代索引。

如果你发布了一些代码，并准确指出哪些不起作用，这将是很有帮助的

作为第一个指针。如果

X = [1 1 2 3 4 3 8 2 1 3 5 6 7 7 5]

你感兴趣的5块中的三种方法是

mean(X(1:5))
mean(X(6:10))
mean(X(11:15))

---

你必须想出一个for循环，或者其他方法来迭代索引。

这应该可以做到：

对于选定的

N

（要取平均值的值的数目）：

注意：这不检查索引是否超过矩阵维度

如果要跳过最后的数字，这应该可以：

mean_vals = arrayfun(@(n) mean(X(n-1+(1:N))),1:N:(length(X)-mod(length(X),N)));

要添加其余值，请执行以下操作：

if mod(length(X),N) ~= 0
   mean_vals(end+1) = mean(X(numel(X)+1-mod(length(X),N):end))
end

更新：这是对第一个答案（编辑前）的修改。它使用

nanmean（）。因此，不要用
0
填充其余行，而是用
NaN
填充它们，然后取平均值

X = [X(:); NaN(mod(N - numel(X), N), 1)];
X_avg = nanmean(reshape(X, N, []));

这应该可以做到：

对于选定的
N
（要取平均值的值的数目）：

注意：这不检查索引是否超过矩阵维度

如果要跳过最后的数字，这应该可以：

mean_vals = arrayfun(@(n) mean(X(n-1+(1:N))),1:N:(length(X)-mod(length(X),N)));

要添加其余值，请执行以下操作：

if mod(length(X),N) ~= 0
   mean_vals(end+1) = mean(X(numel(X)+1-mod(length(X),N):end))
end

更新：这是对第一个答案（编辑前）的修改。它使用
nanmean（）。因此，不要用
0
填充其余行，而是用
NaN
填充它们，然后取平均值

X = [X(:); NaN(mod(N - numel(X), N), 1)];
X_avg = nanmean(reshape(X, N, []));

我想你想要这样的东西（我有一段时间没有使用Matlab了，我希望语法是正确的）：

X=[1 2 3 4 3 8 2 1 3 5 6 7 5]，
当前金额=5，
块=0，
while（numel（X）我想你想要这样的东西（我有一段时间没有使用Matlab了，我希望语法是正确的）：

X=[1 2 3 4 3 8 2 1 3 5 6 7 5]，
当前金额=5，
块=0，
而（numel（X）最快的方法可能是将初始向量
X
重新排列到某个矩阵中，每列存储所需的平均值：

A = reshape(X, N, []);

其中，
N
是新矩阵中所需的行数，空括号（
[]
）告诉MATLAB自动计算列数。然后可以使用以下公式对每列进行平均：

Vector
X_avg
存储结果。这可以在一行中完成，如下所示：

X_avg = mean(reshape(X, N, []));

请注意，
X
中的元素数必须可以被
N
整除，否则您必须先填充它（例如用零），或者单独处理“剩余”的尾部元素：

tail = mod(numel(X), N);
X_avg = mean(reshape(X(1:numel(X) - tail), N, [])); %// Compute average values
X_avg(end + 1) = mean(X(end - tail + 1:end));       %// Handle leftover elements

function m = meanOfN(x, N)
% function m = meanOfN(x, N)
% create groups of N elements of vector x
% and return their mean
% if numel(x) is not a multiple of N, the last value returned
% will be for fewer than N elements
Nf = N * floor( numel( x ) / N ); % largest multiple of N <= length of x
xr = reshape( x( 1:Nf ), N, []);
m = mean(xr);
if Nf < N
  m = [m mean( x( Nf + 1:end ) )];
end

稍后，您可以将此代码放入循环中，计算并绘制每个迭代中不同
N
值的平均值

示例#1
结果是：

X_avg =
    2.2000   3.4000   6.0000

X_avg =
    2.8000   6.0000

示例2
下面是另一个例子（这次
X
的长度不能被
N
整除）：

结果是：

X_avg =
    2.2000   3.4000   6.0000

X_avg =
    2.8000   6.0000

最快的方法可能是将初始向量
X
重新排列到某个矩阵中，每列存储所需的平均值：

A = reshape(X, N, []);

其中，
N
是新矩阵中所需的行数，空括号（
[]
）告诉MATLAB自动计算列数。然后可以使用以下公式对每列进行平均：

Vector
X_avg
存储结果。这可以在一行中完成，如下所示：

X_avg = mean(reshape(X, N, []));

请注意，
X
中的元素数必须可以被
N
整除，否则您必须先填充它（例如用零），或者单独处理“剩余”的尾部元素：

tail = mod(numel(X), N);
X_avg = mean(reshape(X(1:numel(X) - tail), N, [])); %// Compute average values
X_avg(end + 1) = mean(X(end - tail + 1:end));       %// Handle leftover elements

function m = meanOfN(x, N)
% function m = meanOfN(x, N)
% create groups of N elements of vector x
% and return their mean
% if numel(x) is not a multiple of N, the last value returned
% will be for fewer than N elements
Nf = N * floor( numel( x ) / N ); % largest multiple of N <= length of x
xr = reshape( x( 1:Nf ), N, []);
m = mean(xr);
if Nf < N
  m = [m mean( x( Nf + 1:end ) )];
end

稍后，您可以将此代码放入循环中，计算并绘制每个迭代中不同
N
值的平均值

示例#1
结果是：

X_avg =
    2.2000   3.4000   6.0000

X_avg =
    2.8000   6.0000

示例2
下面是另一个例子（这次
X
的长度不能被
N
整除）：

结果是：

X_avg =
    2.2000   3.4000   6.0000

X_avg =
    2.8000   6.0000

如果您需要经常执行此操作，可能值得为其编写自己的函数。我建议使用@EitanT的基本思想：填充数据，重塑形状，取每列的平均值。但是，与其在末尾包含零填充数字，我建议分别取“零散”数据点的平均值：

tail = mod(numel(X), N);
X_avg = mean(reshape(X(1:numel(X) - tail), N, [])); %// Compute average values
X_avg(end + 1) = mean(X(end - tail + 1:end));       %// Handle leftover elements

function m = meanOfN(x, N)
% function m = meanOfN(x, N)
% create groups of N elements of vector x
% and return their mean
% if numel(x) is not a multiple of N, the last value returned
% will be for fewer than N elements
Nf = N * floor( numel( x ) / N ); % largest multiple of N <= length of x
xr = reshape( x( 1:Nf ), N, []);
m = mean(xr);
if Nf < N
  m = [m mean( x( Nf + 1:end ) )];
end

这可以通过简单地将数据与一个向量进行卷积来实现；为了完整性，这里有一种可能的编码方式：

function m = meansOfN(x, n)
% function m = meansOfN(x, n)
% taking the running mean of the values in x
% over n samples. Returns a row vector of size (sizeof(x) - n + 1)
% if numel(x) < n, this returns an empty matrix
mv = ones(N,1) / N; % vector of ones, normalized
m = convn(x(:), mv, 'valid'); % perform 1D convolution

Matlab将找到函数，执行计算，返回结果。为这样的特定操作编写自定义函数非常有用-它不仅可以保持代码整洁，而且只需测试函数一次…
如果您需要经常执行此操作，可能值得为其编写自己的函数我建议使用@EitanT的基本思想：填充数据，重塑形状，取每列的平均值。但是，与其在末尾包含零填充数字，我建议分别取“离散”数据点的平均值：

tail = mod(numel(X), N);
X_avg = mean(reshape(X(1:numel(X) - tail), N, [])); %// Compute average values
X_avg(end + 1) = mean(X(end - tail + 1:end));       %// Handle leftover elements

function m = meanOfN(x, N)
% function m = meanOfN(x, N)
% create groups of N elements of vector x
% and return their mean
% if numel(x) is not a multiple of N, the last value returned
% will be for fewer than N elements
Nf = N * floor( numel( x ) / N ); % largest multiple of N <= length of x
xr = reshape( x( 1:Nf ), N, []);
m = mean(xr);
if Nf < N
  m = [m mean( x( Nf + 1:end ) )];
end

这可以通过简单地将数据与一个向量进行卷积来实现；为了完整性，这里有一种可能的编码方式：

function m = meansOfN(x, n)
% function m = meansOfN(x, n)
% taking the running mean of the values in x
% over n samples. Returns a row vector of size (sizeof(x) - n + 1)
% if numel(x) < n, this returns an empty matrix
mv = ones(N,1) / N; % vector of ones, normalized
m = convn(x(:), mv, 'valid'); % perform 1D convolution

Matlab将查找函数，执行计算，返回结果。Wri