Python numpy阵列的区域统计

我有一个大约2000个元素长的数组，我想通过在每个像素上滑动一个相对较小宽度的假窗口，计算每个区域中元素的StDev，得到一个与输入元素数量相同的数组，从而计算出以每个像素为中心的数组的标准偏差。因此，如果宽度设置为5，则以元素0为中心的StDev将计算

np.std（arr[0:3]）

更具体地说，假设您的输入数组是

[0.14  0.1  0.12  0.25  0.29  0.17  0.21  0.22  0.16  0.18  0.14]

你想要7的宽度。对于元素0，您将计算

stdev（[0.14 0.1 0.12 0.25]）

，对于元素2，您将计算

stdev（[0.14 0.1 0.12 0.25 0.29]）

，依此类推

似乎一个简单的解决方案是迭代输入数组，或者通过

floor（width/2）

元素扩展输入数组（简单地屏蔽第一个和最后几个像素上的外部元素），或者修改使用的宽度

---

有没有更快的方法可以做到这一点，特别是不需要重复选择子阵列的方法？

您可以使用

跨步技巧在阵列上创建一个非常节省内存的视图，但这仍然无法解决窗口边缘的问题，因为窗口被“截断”或缩小。在那里，您可以考虑迭代不同的窗口大小。如果WindowsSize比要计算标准偏差（或平均值）的数组小得多，它将提高速度

如您所见，我添加了一个断言，因为只有当窗口的长度为奇数时，这个想法才能正确工作。否则，您希望一个包含四个元素的数组的
std
在哪里？在索引为1的数组中，还是在索引为2的数组中？
您可以轻松地使用

True，但您需要在参数中添加
center=True
，以获得OP想要的内容。还要注意ddof（自由度）+1非常有用，但我忘记了。这很简单，但当我尝试时，最后三个元素显示为
nan
。其他人也会这样吗？请确保添加
min\u periods=1
参数，否则它将在边缘填充
nan
s。正如Oliver指出的，还需要
center=True
参数。如果您仍然有问题，请确保您拥有最新版本（0.15.x）。好的，谢谢，看起来我的版本可能是这里的问题，因为我指定了
min_periods=1
和
center=True
。通过调用
rolling_std（arr[：-1]）
，然后将原始std数组的最后一个
floor（window/2）
元素替换为反向std数组的第一个
floor（window/2）
元素，可以轻松地解决这个问题。是的，请参见这里：对于v0.15中的更改，这是一个简洁的方法，特别是因为我可以直接指定一个奇数长度的窗口，而不需要断言。我可能最终会使用James的解决方案，因为它对我来说更透明一些。不过，谢谢你的帮助@很高兴你喜欢它。事实上，pandas库中提供的解决方案非常有用，如果我正在工作的机器上安装了pandas，我也会使用它。如果有人对安装另一个库不感兴趣，那么上面的代码可能正好合适。是的，使用numpy的道具。如果没有像熊猫一样干净的解决方案，我会放弃的。
import numpy as np
from numpy.lib.stride_tricks import as_strided

a = np.arange(20)
windowlen = 5
assert windowlen & 1  # this method only works for windows of uneven size
b = np.empty(a.shape)
b[windowlen//2:a.size - windowlen//2] = as_strided(a,
    shape=(a.size - windowlen + 1, windowlen),
    strides=a.strides*2).std(axis=-1)

for ind in range(windowlen//2):  # iterate over the edges where the windowsize is reduced
    lim = windowlen//2 + 1 + ind
    b[ind] = a[:lim].std()
    b[-1 - ind] = a[-lim:].std()

# b: array([ 0.81649658,  1.11803399,  1.41421356,  1.41421356,  1.41421356,
#    1.41421356,  1.41421356,  1.41421356,  1.41421356,  1.41421356,
#    1.41421356,  1.41421356,  1.41421356,  1.41421356,  1.41421356,
#    1.41421356,  1.41421356,  1.41421356,  1.11803399,  0.81649658])

import pandas as pd

data = np.random.random(20)
stds = pd.rolling_std(data, window=7, center=True, min_periods=1)  # min_periods to get the edges