Python 列表或数组中每个索引处过去和将来的样本之和

我想知道是否有任何内置python模块来计算列表中每个索引的当前值、一个过去值和一个未来值的平均值。（如果过去的样品不可用，则仅使用未来的样品，反之亦然）

如果没有，有效的方法是什么

在指数a（i）中，我需要平均值（a（i-1）、a（i）、a（i+1））

输入：

[3, 5, 1, 6, 7]

我应该

[4, 3, 4, 4.6, 6.5]

---

提前感谢

您可以使用列表理解，获得相应的片段和平均值

>>> a = [3, 5, 1, 6, 7]
>>> [a[max(0, i-1):i+2] for i in range(len(a))]
[[3, 5], [3, 5, 1], [5, 1, 6], [1, 6, 7], [6, 7]]
>>> [np.mean(a[max(0, i-1):i+2]) for i in range(len(a))]
[4.0, 3.0, 4.0, 4.666666666666667, 6.5]

---

（在这里使用

max（0，i-1）

，因为

[-1:2]

将是一个空片段，但可能有更好的方法来实现同样的效果。）

您可以使用列表理解，获得相应的片段及其平均值

>>> a = [3, 5, 1, 6, 7]
>>> [a[max(0, i-1):i+2] for i in range(len(a))]
[[3, 5], [3, 5, 1], [5, 1, 6], [1, 6, 7], [6, 7]]
>>> [np.mean(a[max(0, i-1):i+2]) for i in range(len(a))]
[4.0, 3.0, 4.0, 4.666666666666667, 6.5]

---

（在这里使用

max（0，i-1）

，因为

[-1:2]

将是一个空片，但可能有更好的方法来实现同样的效果。）

哦，有很多不同的方法。还有一个：

x = np.array([3,5,1,6,7])
y = np.convolve(x, np.ones((3,))/3, mode='same')

# fixing the values at the boundaries
y[0]  = np.mean(x[:2])
y[-1] = np.mean(x[-2:])

---

它使用卷积来计算每3个相邻元素的平均值，但它在边界处填充零，因此我们需要第二步来修复这些元素。

哦，有很多不同的方法。还有一个：

x = np.array([3,5,1,6,7])
y = np.convolve(x, np.ones((3,))/3, mode='same')

# fixing the values at the boundaries
y[0]  = np.mean(x[:2])
y[-1] = np.mean(x[-2:])

---

---

它使用卷积来计算每3个相邻元素的平均值，但它在边界处填充零，因此我们需要第二步来修复这些值。

过去值和未来值是什么意思？那么除了当前指数的平均值外，其他所有值的平均值是多少？你是说一个数字和它的邻居的平均数吗？不完全是。假设当前索引是a（i），那么在新列表中，索引（a（i））应该包含平均值（a（i-1），a（i），a（i+1））。这不是一个数字及其邻域的平均值吗？是的，你是对的。但我给出了一个明确的解释，

a[0]

是否存在平均值？它是

a[-1]

、

a[0]

和

a[1]

的平均值吗？过去和未来的值是什么意思？那么除了当前指数的平均值外，其他所有值的平均值是多少？你是说一个数字和它的邻居的平均数吗？不完全是。假设当前索引是a（i），那么在新列表中，索引（a（i））应该包含平均值（a（i-1），a（i），a（i+1））。这不是一个数字及其邻域的平均值吗？是的，你是对的。但我给出了一个明确的解释，

a[0]

是否存在平均值？这是

a[-1]

、

a[0]

和

a[1]

的平均值吗？太好了！谢谢

max（0，i-1）

neat@timgeb但是如果你只需要写

[-1:2]

就可以得到前两个元素，就像

[-2:len+3]

仍然会给你最后两个元素一样，这会更整洁。能够为最后一个元素使用

[-1]

是很好的，但是Python在这里确实可以更智能一些。而且，在这一行中，计算max的次数太多了。你知道，除了第一次呼叫，每次的结果都是i-1。仍然很整洁。@timgeb完全正确，但任何其他方式都更难阅读。如果i==0，可能

0，否则i-1

会快一点（也不太可怕）。太好了！谢谢

max（0，i-1）

neat@timgeb但是如果你只需要写

[-1:2]

就可以得到前两个元素，就像

[-2:len+3]

仍然会给你最后两个元素一样，这会更整洁。能够为最后一个元素使用

[-1]

是很好的，但是Python在这里确实可以更智能一些。而且，在这一行中，计算max的次数太多了。你知道，除了第一次呼叫，每次的结果都是i-1。仍然很整洁。@timgeb完全正确，但任何其他方式都更难阅读。如果i==0，则可能

0，否则i-1

会快一点（也不太可怕）。