求k窗口上n个元素平均值的方法Pandas系列？（不是滚动平均值）

Question

这里的动机是取一个时间序列，得到整个子时段（天、周）的平均活动量。在

可以改变数组的形状并取y轴上的平均值来实现这一点，类似于这个答案（但是使用轴=2）：

Averaging over every n elements of a numpy array

但是我在找一个可以处理N%k长度数组的东西！=0，并且不能通过整形和用1或0填充来解决问题（例如numpy.调整大小)，即仅取现有数据的平均值。在

例如，从长度N=10的序列[2,2,3,2,2,3,2,2,3,6]开始，该序列不能被k=3整除。我想要的是对具有不匹配维度的重塑数组的列取平均值：

In: [[2,2,3], [2,2,3], [2,2,3], [6]], k =3

Out: [3,2,3]

而不是：

In: [[2,2,3], [2,2,3], [2,2,3], [6,0,0]], k =3

Out: [3,1.5,2.25]

谢谢。在

Answer 1

您可以通过填充、重塑形状和计算每行要划分多少元素来轻松实现这一点：

>>> import numpy as np
>>> a = np.array([2,2,3,2,2,3,2,2,3,6])
>>> k = 3

Pad数据

^{pr2}$

然后创建一个遮罩：

>>> c = a.size // k # 3
>>> d = (np.arange(k) + c * k) < a.size # [True, False, False]

d的第一部分将创建一个包含[9, 10, 11]的数组，并将其与a（10）的大小进行比较，生成所提到的布尔掩码。在

把它分开：

>>> b.sum(0) / (c + 1.0 * d)
array([ 3.,  2.,  3.])

上面的方法将第一列除以4（c + 1 * True），其余的除以3。这是矢量化的numpy，因此，它可以很好地扩展到大型阵列。在

所有的东西都可以写得更短，我只是展示所有的步骤，让它更清楚。在