Python 在一维numpy数组中计算局部均值

我有如下一维NumPy阵列：

import numpy as np
d = np.array([1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20])

我想计算（1,2,6,7），（3,4,8,9）的平均值，依此类推。 这涉及4个元素的平均值：两个连续元素和两个连续元素5个位置后的平均值

我尝试了以下方法：

>> import scipy.ndimage.filters as filt
>> res = filt.uniform_filter(d,size=4)
>> print res
[ 1  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19]

---

不幸的是，这并没有给我期望的结果。我该怎么做呢？

您可以从信号处理的角度来处理这个问题，而不是索引。基本上，您是在使用7-tap内核执行输入信号的计算，其中三个中心系数为0，而极值为1，并且由于您要计算平均值，因此需要将所有值乘以

（1/4）

。然而，您并没有计算所有元素的卷积，但我们将在稍后讨论。 一种方法是使用：

import numpy as np
from scipy.ndimage import filters
d = np.arange(1, 21, dtype=np.float)
ker = (1.0/4.0)*np.array([1,1,0,0,0,1,1], dtype=np.float)
out = filters.convolve1d(d, ker)[3:-3:2]

因为您使用的是7抽头内核，卷积会将输出向左扩展3，向右扩展3，所以您需要确保裁剪出第一个和最后三个元素。由于卷积涉及一个滑动窗口，因此您还希望跳过其他所有元素，但您希望放弃所有其他元素，以便获得所需的结果

我们为

输出
：

In [47]: out
Out[47]: array([  4.,   6.,   8.,  10.,  12.,  14.,  16.])

要仔细检查结果是否正确，请尝试对每个元素进行一些示例计算。第一个元素等于
（1+2+6+7）/4=4
。第二个元素等于
（3+4+8+9）/4=6
，依此类推


要想解决问题，请尝试使用
mode=valid
标志。这样可以避免在左右两侧剪切额外的填充，但仍然需要跳过其他元素：

import numpy as np
d = np.arange(1, 21, dtype=np.float)
ker = (1.0/4.0)*np.array([1,1,0,0,0,1,1], dtype=np.float)
out = np.convolve(d, ker, mode='valid')[::2]

我们还得到：

In [59]: out
Out[59]: array([  4.,   6.,   8.,  10.,  12.,  14.,  16.])


最后，如果您想要建立索引，这样做就足够了：

length = len(d[6::2])
out = np.array([(a+b+c+e)/4.0 for (a,b,c,e) in zip(d[::2][:length], d[1::2][:length], d[5::2][:length], d[6::2])])

我们得到：

In [69]: out
Out[69]: array([  4.,   6.,   8.,  10.,  12.,  14.,  16.])

这真的很难看，但它是有效的。信号的总长度取决于每个窗口的末尾位于第7个索引。包含这些索引的数组的长度决定了信号的最终长度。另外，请注意，对于窗口中的一个元素，可以通过跳过每个其他元素直到数组结束来找到它的下一个元素。总共有4个这样的序列，我们只需对这4个序列进行
zip
，其中每个序列跳过其他元素，但有一个偏移量，我们从开始。第一个序列从偏移量0开始，下一个序列从1开始，下一个序列从5开始，下一个序列从6开始。我们收集这四个元素并求平均值，然后跳过数组中的每一个元素，直到完成为止

顺便说一句，我仍然更喜欢卷积。
您可以使用
numpy.lib.stride\u技巧。as\u stride（）
获得适用于更一般情况的分组数组：

import numpy as np
from numpy.lib.stride_tricks import as_strided

d = np.arange(1, 21)

consec = 2
offset = 5
nsub = 2
pace = 2

s = d.strides[0]
ngroups= (d.shape[0] - (consec + (nsub-1)*offset - 1))//pace
a = as_strided(d, shape=(ngroups, nsub, consec),
               strides=(pace*s, offset*s, 1*s))

其中：


conce
是子组中的连续数
offset
每个子组中第一个条目之间的偏移量
nsub
子组的数量（
1,2
是一个子组，与第二个子组
6,7
通过
offset
pace
表示两组中第一个条目之间的步幅，在您的情况下为
pace=concer
，但在更一般的情况下可能不同

在您的情况下（使用给定值）
a
将是：

array([[[ 1,  2],
        [ 6,  7]],

       [[ 3,  4],
        [ 8,  9]],

       [[ 5,  6],
        [10, 11]],

       [[ 7,  8],
        [12, 13]],

       [[ 9, 10],
        [14, 15]],

       [[11, 12],
        [16, 17]],

       [[13, 14],
        [18, 19]]])

通过以下操作，即可获得所需的平均值：

a.mean(axis=-1).mean(axis=-1)

#array([  4.,   6.,   8.,  10.,  12.,  14.,  16.])

你是如何选择那些数字1、2、6、7的？规则是什么？@omri_saadon两个连续的元素，在5个元素之后是另外两个连续的元素。我可以看到你在这里插入了数据，可能是图像数据。为什么不重新表述这个问题，以便清楚这两个集合中的每一个都需要哪个序列？@gburton好的，我这样做了it@Borys-N问题。我有正确的答案，但删除了我的帖子，因为我不确定我是否做对了…但现在我知道我做对了！看一看。非常酷的把戏…让我更爱Nuv numpy每一天我离开MATLAB。我喜欢这种复杂但很高兴看到…评论不是用于扩展讨论的；这段对话已经结束。