如何将列表拆分为现有列表,然后在python中对其进行平均?
我编写了下面的代码,它获取10个样本,然后将其拆分为两个列表,然后对其进行平均,即在输出中有5个数据样本如何将列表拆分为现有列表,然后在python中对其进行平均?,python,list,numpy,sublist,Python,List,Numpy,Sublist,我编写了下面的代码,它获取10个样本,然后将其拆分为两个列表,然后对其进行平均,即在输出中有5个数据样本 av = 2 data = np.random.randn(10); print(data) tic = time.time(); def average(av_n, data): if av_n > 1: data = data[:len(data) - len(data) % av_n]; llen = len(data) a
av = 2
data = np.random.randn(10);
print(data)
tic = time.time();
def average(av_n, data):
if av_n > 1:
data = data[:len(data) - len(data) % av_n];
llen = len(data)
avedDataLen = int(llen/av_n);
chunks = [data[x:x+avedDataLen] for x in xrange(0, llen, avedDataLen)]
print (chunks)
def divide(x): return (x / av_n)
return map(divide, map(sum, zip(*chunks)))
else:
return data
amp = np.asarray(average(av, data))
print(amp)
print ('takes time: ' +str(time.time() - tic))
例如,我的输入是:
[-0.22609503 -0.4501512 -0.46334891 1.18450149 -1.17728558 1.27805933
0.25943615 -1.18671214 0.96818224 0.32928086]
应将其分成“av_n”个阵列。在这种情况下,它是两个:
[-0.22609503, -0.4501512 , -0.46334891, 1.18450149, -1.17728558]
[ 1.27805933, 0.25943615, -1.18671214, 0.96818224, 0.32928086]
结果是:
[ 0.52598215 -0.09535753 -0.82503053 1.07634186 -0.42400236]
唯一的问题是,我的应用程序在平均0.25秒的时间内花费了相当多的时间,有没有更快的方法 如果
数据
可以被均匀地划分到所需数量的子列表中,则可以重塑
数组,然后使用np.average
和适当的轴
参数
>>> data
array([-0.22609503, -0.4501512 , -0.46334891, 1.18450149, -1.17728558,
1.27805933, 0.25943615, -1.18671214, 0.96818224, 0.32928086])
>>> np.average(data.reshape((2, -1)), axis=0)
array([ 0.52598215, -0.09535752, -0.82503053, 1.07634186, -0.42400236])
>>> np.average(data.reshape((2, -1)), axis=1)
array([-0.22647585, 0.32964929])
如果列表不可平均分割,可以修剪最后几个元素;您似乎在代码中也做了类似的事情。结果是一样的,而且速度要快得多
>>> data = np.random.randn(127874)
>>> %timeit np.asarray(list(average(2, data)))
10 loops, best of 3: 36.8 ms per loop
>>> %timeit np.average(data.reshape((2, len(data)//2)), axis=0)
10000 loops, best of 3: 115 µs per loop
(使用
list(average(…)
),这是因为Python 2和Python 3中map
的行为不同;请注意,您的代码创建了大量临时列表,包括由map
创建的列表)并不完全清楚这应该做什么。divide
应该做什么?你能展示一些示例数据(少于4万项)和预期结果吗?@tobias_k,谢谢你的评论,我已经更新了问题。哇,谢谢你,你以非常简单高效的方式完成了,非常感谢!不幸的是,我不能投票支持你的答案,我没有足够的声誉,我会在得到15分后投票。再次感谢你。