Python 使用数组索引numpy数组

我正在尝试将普通python标准偏差函数转换为numpy形式，该函数使用变量

number

定义的n个索引进行计算。然而，numpy代码是错误的，这意味着

只有整数标量数组才能转换为标量索引

是否有任何方法可以绕过此过程

变数

import numpy as np
number = 5
list_= np.array([457.334015,424.440002,394.795990,408.903992,398.821014,402.152008,435.790985,423.204987,411.574005,
404.424988,399.519989,377.181000,375.467010,386.944000,383.614990,375.071991,359.511993,328.865997,
320.510010,330.079010,336.187012,352.940002,365.026001,361.562012,362.299011,378.549011,390.414001,
400.869995,394.773010,382.556000])

香草蟒蛇

std= np.array([list_[i:i+number].std() for i in range(0, len(list_)-number)])

Numpy表格

counter = np.arange(0, len(list_)-number, 1)
std = list_[counter:counter+number].std()

取自

def滚动窗口（a，窗口）：
形状=a.shape[：-1]+（a.shape[-1]-窗口+1，窗口）
步幅=a.步幅+（a.步幅[-1]，）
返回np.lib.stride\u tricks.as\u striped（a，shape=shape，stripes=stripes）
np.std（滚动窗口（列表5），1）

顺便说一下，您的普通python代码是错误的。应该是：

std=np.array（[list_u0;[i:i+number].std（）表示范围（0，len（list_0;）-number+1）内的i）

我们可以将

std

移出循环。制作一个二维的

窗口数组

，并使用

轴应用
std
：

In [48]: np.array([arr[i:i+number] for i in range(0, len(arr)-number)]).std(axis
    ...: =1)
Out[48]: 
array([22.67653383, 10.3940773 , 14.60076482, 13.82801944, 13.68038469,
       12.54834004, 13.13574418, 15.24698722, 14.65383773, 11.62092989,
        8.57331689,  4.76392583,  9.49404494, 21.20874383, 24.91417226,
       20.84991841, 13.22152789, 10.83343482, 16.01294245, 13.80007894,
       10.51866421,  8.29287433, 11.24933733, 15.43661128, 13.65945978])

我们还可以生成带有索引的窗口。一种方便的方法是使用
linspace
：

In [63]: idx = np.arange(0,len(arr)-number)
In [64]: idx = np.linspace(idx,idx+number,number, endpoint=False,dtype=int)
In [65]: idx
Out[65]: 
array([[ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15,
        16, 17, 18, 19, 20, 21, 22, 23, 24],
         ...
       [ 4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19,
        20, 21, 22, 23, 24, 25, 26, 27, 28]])
In [66]: arr[idx].std(axis=0)
Out[66]: 
array([22.67653383, 10.3940773 , 14.60076482, 13.82801944, 13.68038469,
       12.54834004, 13.13574418, 15.24698722, 14.65383773, 11.62092989,
        8.57331689,  4.76392583,  9.49404494, 21.20874383, 24.91417226,
       20.84991841, 13.22152789, 10.83343482, 16.01294245, 13.80007894,
       10.51866421,  8.29287433, 11.24933733, 15.43661128, 13.65945978])

使用
的滚动窗口可能会更快，但可能更难理解

In [67]: timeit std= np.array([arr[i:i+number].std() for i in range(0, len(arr)-
    ...: number)])
1.05 ms ± 7.01 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
In [68]: timeit np.array([arr[i:i+number] for i in range(0, len(arr)-number)]).s
    ...: td(axis=1)
74.7 µs ± 108 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

In [69]: %%timeit
    ...: idx = np.arange(0,len(arr)-number)
    ...: idx = np.linspace(idx,idx+number,number, endpoint=False,dtype=int)
    ...: arr[idx].std(axis=0)
117 µs ± 240 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

In [73]: timeit np.std(rolling_window(arr, 5), 1)
74.5 µs ± 625 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

使用更直接的方法生成滚动指数：

In [81]: %%timeit
    ...: idx = np.arange(len(arr)-number)[:,None]+np.arange(number)
    ...: arr[idx].std(axis=1)
57.9 µs ± 87.5 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

你的错误
In[82]：arr[np.array（[1,2,3]）：np.array（[4,5,6]）]
回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
arr[np.数组（[1,2,3]）：np.数组（[4,5,6]）]
TypeError:只能将整数标量数组转换为标量索引
不能使用
numpy
数组（arange
的结果）作为片的开始或停止<代码>阵列[1:10]

正常，

阵列[np.数组（[1,2,3]：np.数组（[4,5,6]）

不是！你希望它能产生什么？谢谢你的详细解释，我没有办法避免for循环，我正试图让我的代码运行得更快。我的错，我不是故意不尊重你。我只是不理解

asstrided

部分简单地将

std

移出循环就得到了b超过10倍的改进。升级版的

不是最快的，所以如果你不理解它，不要担心。如何获取多个切片的问题经常出现。一个简单的切片很快（视图），但多个需要某种拷贝高级索引或连接。是的，我想我可以为我的程序实现最后一个，它需要
57.9µs
才能完成。我的程序使用了一个长度超过200万的非常长的列表，它崩溃了，错误消息是
无法为具有形状的数组分配14.2 GiB(2640651, 1440)和数据类型int32
。但无论如何，感谢man。是的，对于较大的数组，可能需要像最初那样进行迭代。即使没有内存错误，内存管理和迭代之间也存在时间权衡。您还可以考虑使用
numba
来编译任务。我正在尝试更快地运行代码。有办法吗我可以在没有for循环的情况下生成该函数。使用我在第一个框中编写的代码。它应该可以在没有for循环的情况下给出所需的结果。
In [81]: %%timeit
    ...: idx = np.arange(len(arr)-number)[:,None]+np.arange(number)
    ...: arr[idx].std(axis=1)
57.9 µs ± 87.5 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

In [82]: arr[np.array([1,2,3]):np.array([4,5,6])]
Traceback (most recent call last):
  File "<ipython-input-82-3358e59f8fb5>", line 1, in <module>
    arr[np.array([1,2,3]):np.array([4,5,6])]
TypeError: only integer scalar arrays can be converted to a scalar index