Python 使用numpy高效迭代

我编写了一段代码，用于计算数组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？我不需要两个数组，只需要b

事实上，您需要执行2d操作。如果添加了第二个尺寸标注（例如，使用“重塑”），则可以对第一个数组a求值：

你的第二个，

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

---

当您在评论中提到指数平滑时，您可能会对处理timeseries的文件或包感兴趣。例如，有关指数平滑实现的一些有用链接，请参阅带有一些有用和问题跟踪程序的文档。

要摆脱附加，请使用np.zero（shape）分配两个整数数组，然后分配给相关索引，您应该会看到性能提升。还有，这个脚本的最终目标是什么？这可能有助于我们帮助您……当您迭代模p:

a[i:：p]

时，第二个范围也应该在

范围（p）

中。我更新了答案，最后一个结果等于您预期的b，但长了一项，因为c=3但p=4。@MadisonMay添加Holt Winters指数平滑，用于计算seasons@user3084006请参见我的网站中的更新answer@alko这就是我正在做的。但对于Statsmodel来说。我得到了所有的双和单与所有的乘法模型和阻尼变化了。我会在完成三重预测和预测带后提交。我根据计算方法并使用数据，但似乎我得到了S的错误数字（季节指数的前4个数字）或者adorio research的计算方法可能是错误的，如果y有一个余数，那么can是强制它在整形函数中工作以执行if语句的最佳方法，然后

w=z[：len（y）%p*-1]。整形（-1，p）

print w.mean(axis=0)
# [ 1.37435207,  0.86266299,  0.53725214,  1.2257328 ]