0

对于 1D，我可以使用：

a=np.array([1,2,3,4])
b=pandas.Series(a).rolling(window=3,center=True).mean()

但问题是，如果我有a3D 数组，那么使用这种方法会出错

Exception: Data must be 1-dimensional

我使用的代码是：

t[:,:,0]=(pd.Series(imgg[:,:,0:4]).rolling(window=[1,1,3],center=True).mean())

这imgg是 3D numpy 数组。

我还尝试了什么：

我也尝试了旧功能rolling_meanie pd.rolling_mean(a,4,center=True)，但它也不起作用，它给出了错误：

AssertionError: cannot support ndim > 2 for ndarray compat
4

1 回答 1

1

好的，希望这是您需要的。

我认为您可以先尝试拆分数组，而不是尝试处理 3 维数组 - 因为我们知道它适用于 1D。

import pandas as pd

imgg = [(1,2,1),(2,3,3),(4,1,2),(5,3,2),(6,2,1),(2,3,4),(5,6,2)]

>>>imgg
   0  1  2
0  1  2  1
1  2  3  3
2  4  1  2
3  5  3  2
4  6  2  1
5  2  3  4
6  5  6  2

x = []
y = []
d = []

# Split into components
for img in imgg:
    x.append(img[0])
    y.append(img[1])
    d.append(img[2])

# Compute rolling mean
dm = pd.Series(d).rolling(window=3,center=True).mean()

# Stitch them back to form your desired dataframe
data = [k for k in zip(x,y,dm)]
df = pd.DataFrame(data)

>>>df
   0  1         2
0  1  2       NaN
1  2  3  2.000000
2  4  1  2.333333
3  5  3  1.666667
4  6  2  2.333333
5  2  3  2.333333
6  5  6       NaN
于 2019-03-26T07:29:59.313 回答