python - 对 numpy 数组的每 n 个元素进行平均

Question

我有一个 numpy 数组。我想创建一个新数组，它是每个连续三元组元素的平均值。所以新数组的大小将是原始数组的三分之一。

举个例子：

 np.array([1,2,3,1,2,3,1,2,3])

应该返回数组：

 np.array([2,2,2])

任何人都可以提出一种有效的方法吗？我在画空白。

Answer 1

如果您的数组arr的长度可被 3 整除：

np.mean(arr.reshape(-1, 3), axis=1)

重塑为更高维度的数组，然后在其中一个附加维度上执行某种形式的 reduce 操作是 numpy 编程的主要内容。

Answer 2

对于寻找多维数组的简单概括的谷歌用户：模块block_reduce中的函数scikit-image（链接到文档）。

它有一个非常简单的接口，可以通过应用诸如 的函数来对数组进行下采样numpy.mean，但也可以使用其他函数（最大值、中值、...）。通过为块提供具有不同大小的元组，可以通过不同的因素为不同的轴进行下采样。这是一个二维数组的例子；使用平均值仅对轴 1 下采样 5：

import numpy as np
from skimage.measure import block_reduce

arr = np.stack((np.arange(1,20), np.arange(20,39)))

# array([[ 1,  2,  3,  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, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38]])

arr_reduced = block_reduce(arr, block_size=(1,5), func=np.mean, cval=np.mean(arr))

# array([[ 3. ,  8. , 13. , 17.8],
#        [22. , 27. , 32. , 33. ]])

正如在另一个答案的评论中所讨论的那样：如果缩减维度中的数组不能被块大小整除，则填充值由参数提供cval（默认为 0）。

Answer 3

要将接受的答案应用于每个列/特征的二维数组：

arr.reshape(-1, downsample_ratio, arr.shape[1]).mean(axis = 1)