4

我正在实现一个滑动窗口模型，我想将一个矩阵 @ 初始化t为前 N 个矩阵的元素方式，其中 N 是窗口大小。这是我最初的尝试，它显示了最后 N 个矩阵： 

list_of_arrays = [np.array([]) for i in range(3)]
N=2 # window size
# past 3 matrices
list_of_arrays[0] = np.array([[0.1,0.2],[0.3,0.4]])
list_of_arrays[1] = np.array([[0.5,0.6],[0.7,0.8]])
list_of_arrays[2] = np.array([[0.9,1.0],[1.1,1.2]])

# at t=3, get element-wise means of previous N matrices
t=3
range1 = lambda start, end: range(start, end+1) # modified range function
answer = [list_of_arrays[t-j] for j in range1(1,N)]

期望的答案是过去 N 个矩阵的元素均值。对于上面的系列，它是：

(list_of_arrays[2]+list_of_arrays[1]) / 2 = [[0.7,0.8],[0.9,1.0]]

我应该如何修改answer在线列表理解以获得所需的答案？

4

3 回答 3

3

我想到了。answer这是对问题中指示行的必要修改：

answer = np.mean([list_of_arrays[t-j] for j in range1(1,N)], axis = 0)
>> array([[ 0.7,  0.8],
>>        [ 0.9,  1. ]])
于 2013-09-16T12:44:41.490 回答
2

这是另一个答案。

N = 3 # window size
m = np.array([
        [[0, 10], 
         [0, 0]], 
        [[0, 0], 
         [1, 1.]],
        [[0, 0], 
         [0, 1.]],
        [[0, 5], 
         [0, 0]],
        [[0, 10], 
         [0, 0]]])
print m.shape
for t in range(m.shape[0]-N):
    print '\nwindow:', t, 'to', t+N-1
    print m[t:t+N,:,:].shape
    print m[t:t+N,:,:].sum(axis=0)/(N)

输出是

(5, 2, 2)

window 0 to 2
(3, 2, 2)
[[ 0.          3.33333333]
 [ 0.33333333  0.66666667]]

window: 1 to 3
(3, 2, 2)
[[ 0.          1.66666667]
 [ 0.33333333  0.66666667]]
于 2015-08-13T23:38:22.283 回答
0

t-Nto （包括）的元素明智平均值t由下式给出

np.mean(list_of_arrays[t-N+1:t+1], axis=0)

在你问题的字里行间阅读，我认为你想在取平均值之前做一些其他的调整。假设您的列表包含包含 numpy 数组的对象（例如.matrix您在评论中建议的属性），那么列表推导可以提取相关部分，因此类似于对上述内容的以下修改：

np.mean([a.matrix for a in list_of_arrays[t-N+1:t+1]], axis=0)
于 2013-09-16T12:03:15.073 回答