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

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。