Python 将两个numpy ndarray在一个特定范围内分组，并计算该范围内另一个的平均值和分布 我不确定我是不是在问正确的问题，但是考虑两个NDAREX x和 y>代码>：< /p> 将numpy导入为np 将matplotlib.pyplot作为plt导入 N=1000 T=1.0/800.0 x=np.linspace（0.0，N*T，N） y=np.sin（2.0*np.pi*x）+0.5*np.sin（3*2.0*np.pi*x）\ +0.1*np.随机均匀（-1.0,1.0,N） 平面图（x，y） plt.show（）

将

x

分组到长度为

M

的范围中的类型。现在我想在下面的伪代码中使用

y\u m

和

y\u v

：

y_m = average of `y`es for x_2_(i-1) < x < x_2_(i)
y_v = variance of `y`es for x_2_(i-1) < x < x_2_(i)

---

p.S.2.一个想法是根据

x

对压缩后的

（x，y）

进行排序，然后重塑数据线，然后计算特定轴的平均值和方差

因此，我开始实施我在p.S.2.原始帖子中提出的想法，使用numpy的

重塑功能：

MM=10
x_2=np.linspace（x.min（），x.max（），N//MM）
z=y[（N%MM）：]重塑（（N-（N%MM））//MM，MM））
y_m=z.平均值（轴=1）
y_v=z.var（轴=1）
在（x_2，y_m-100*y_v/2，y_m+100*y_v/2，color=“蓝色”）之间填充
plt.绘图（x_2，y_m，color=“红色”）

结果：


现在这个实现有两个主要的缺点，即它假设x数据是均匀分布和排序的，这并不一定总是如此
 你能写出for循环吗？这样我们就可以确切地看到你想要实现的目标了？我不确定我是否理解伪代码。如果我这样做，例如：
y_m=y[（x>x_2[I-1]）&（x
那么你只需要一个外循环，但我不确定这就是你想要的？小心
x_2=np.linspace（0.0，N*T/m，N/m）
。你不会考虑X的整个范围，但它的总宽度只有<>代码> 1 /m < /代码>。
y_m = average of `y`es for x_2_(i-1) < x < x_2_(i)
y_v = variance of `y`es for x_2_(i-1) < x < x_2_(i)