处理移动平均数中的零

Question

编辑

我原来的帖子不是最好的解释，所以我重写了它。在

所以我要做的是计算一组数据的移动平均值。取每个平均值，例如24个值。 但是，我有两个条件需要在当前函数中更改。在

• 取一个超过24个不为零的值的平均值，因为零被认为是坏数据，所以我想要24个“好”值作为平均值。在
• 如果有五个连续的0，我不想取平均值，简单地说平均值是零。在

我需要 这是我当前的函数，但它需要更新以包含这些更改。在

def averaged_rel_track(navg, rel_values, nb):
    '''function to average the relative track values for each blade. This is 
    dependant on the number values specified by the user to average over in a 
    rolling average'''
    avg_rel_track=[]
    for blade in range(0,int(nb)):
        av_values=[]
        rel_blade=rel_values[:,int(blade)]
        for rev in range(0,len(rel_blade)):
            section=rel_blade[rev-int(navg)+1:rev+1]
            print section
            if np.any(section==0):   
                av_value=0
            else:
                av_value=np.sum(section)/int(navg)
            print av_value
            av_values.append(av_value)
        avg_rel_track.append(av_values)
    avg_rel_track=np.array(avg_rel_track) 
    return avg_rel_track.transpose()

目前有很多检查工作要做。在

是否有一个函数可以选择X个非零/无的值？目前我尝试的工作是这样的：

^{pr2}$

但这不起作用，因为我需要检查新的部分不包含零，它会检测到原始的零。我可以检查扩展名中的0，重复这个过程，但这似乎是一个非常冗长的方法。在

我知道scipy.stats.nanmean在对数据求平均值时会忽略none值。在

如果有人能帮上忙那就太好了，但我想要的主要问题是：

Is there a function that will select N values that are not zero or one?

Answer 1

1）你能不能再精确一点你在做什么？你的集合是什么样的，你有什么对象，容器的类型是什么（数组，集合，…）

2）你可以处理第二个“集合”，你用你拥有的非零值更新它

3）如果2）太麻烦了，你可以随意选择N*1.1个对象，然后尝试在其中找到N个非零对象，然后按照你的建议重复。这对我来说也是一个很好的函数算法，没什么问题，别担心

Answer 2

from itertools import islice, ifilter
list(islice(ifilter(None, data), 0, N))

Answer 3

对于numpy阵列：

>>> a = np.array([2, 1, 0, np.nan, 0, 5, 6, np.nan, 1, 9, 0, 1, 8, 7, 4])
>>> a[~np.isnan(a) & (a != 0)]
array([ 2.,  1.,  5.,  6.,  1.,  9.,  1.,  8.,  7.,  4.])
>>> a[~np.isnan(a) & (a != 0)][:5]
array([ 2.,  1.,  5.,  6.,  1.])

对于Python列表：

^{pr2}$

注意：显式使用if x and not math.isnan(x)，而不是if x，因为nan用作谓词时被视为True：

>>> bool(np.nan)
True
>>> bool(float('nan'))
True
>>> bool(None)
False

>>> float('nan') == float('nan')
False
>>> np.nan == np.nan
False
>>> math.isnan(float('nan')), math.isnan(np.nan)
(True, True)
>>> np.isnan(float('nan')), np.isnan(np.nan)
(True, True)