8

我想要做的是生成一个 numpy 数组，它是给定某个窗口的另一个 numpy 数组的累积和。

例如，给定一个数组，[1,2,3,4,5,6,7,8,9,10,11,12]假设我想要一个窗口为 3 的累积和。我想要的输出是[1,3,6,9,12,15,18,21,24,27,30,33]. 我有一个相对较大的 numpy 数组，想用 400 的窗口做一个累积和。

4

4 回答 4

33

这可能是一个更简单的答案，基于减去移位的 cumsums。

>>> a = np.array([1,2,3,4,5,6,7,8,9,10,11,12])
>>> b = a.cumsum()
>>> b[3:] = b[3:] - b[:-3]
>>> b
array([ 1,  3,  6,  9, 12, 15, 18, 21, 24, 27, 30, 33])
于 2015-03-05T18:19:09.097 回答
8

你应该使用 numpy，除非你真的不关心速度（尽管我更喜欢它）。因此，您可以使用卷积或stride_tricks基于方法（这些方法并不明显，但可以很好地解决这些问题）。

例如给定一个这样的函数（你也可以找到更多更好的版本）：

def embed(array, dim, lag=1):
    """Create an embedding of array given a resulting dimension and lag.
    The array will be raveled before embedding.
    """
    array = np.asarray(array)
    array = array.ravel()
    new = np.lib.stride_tricks.as_strided(array,
                                     (len(array)-dim*lag+lag, dim),
                                     (array.strides[0], array.strides[0]*lag))
    return new

你可以做：

embedded = embed(array, 400)
result = embedded.sum(1)

哪个是内存效率高的（嵌入或任何你称之为的，只会创建一个视图）并且速度很快。当然，另一种方法是使用卷积：

np.convolve(array, np.ones(400), mode='valid')

我不知道您是否也想要非完整窗口，这与使用mode='full'（默认）进行卷积相同。对于另一种方法，必须以其他方式处理。

于 2012-10-03T17:01:32.283 回答
3 
In [42]: lis=[1,2,3,4,5,6,7,8,9,10,11,12]

In [43]: w=3       #window size

In [44]: [sum(lis[i-(w-1):i+1]) if i>(w-1) else sum(lis[:i+1])  for i in range(len(lis))]
Out[44]: [1, 3, 6, 9, 12, 15, 18, 21, 24, 27, 30, 33]

In [45]: w=4

In [46]: [sum(lis[i-(w-1):i+1]) if i>(w-1) else sum(lis[:i+1])  for i in range(len(lis))]
Out[46]: [1, 3, 6, 10, 14, 18, 22, 26, 30, 34, 38, 42]

对于 python 2.4 或更低版本，更改三元运算符：

(falseValue, trueValue)[condition]代替trueValue if condition else falseValue

[(sum(lis[:i+1]),sum(lis[i-(w-1):i+1]))[i>(w-1)]  for i in range(len(lis))]
于 2012-10-03T13:49:23.877 回答
1

seberg 的答案比我的更好，更通用，但请注意，您需要对样本进行零填充以获得所需的结果。

import numpy as np
from numpy.lib.stride_tricks import as_strided as ast
samples = 100
window = 3
padding = np.zeros(window - 1)
# zero-pad your samples
a = np.concatenate([padding,np.arange(1,samples + 1)])
newshape = (len(a) - window,window)
newstrides = a.strides * 2
# this gets you a sliding window of size 3, with a step of 1
strided = ast(a,shape = newshape,strides = newstrides)
# get your moving sum
strided.sum(1)
于 2012-10-03T17:29:56.187 回答