返回正确维数数组的python方法

Question

我想创建一个函数，如果给定了一个numpy数组，则返回一个多维numpy数组。例如：

import numpy as np;
def running_average(data,windowSize):
    dShape = np.shape(data);
    if(len(dShape)==1):
        raOut = np.zeros(len(data));
        rSum = 0.0;
        for row,value in enumerate(data):
            if row<windowSize:
                rSum+=float(value);
            else:
                rSum=rSum-data[row-windowSize]+value;
            raOut[row]=rSum/windowSize;
    else:
        raOut = np.zeros(dShape);
        for col in xrange(dShape[1]):
            rSum=0.0;
            for row,value in enumerate(data[:,col]):
                if row<windowSize:
                    rSum+=float(value);
                else:
                    rSum=rSum-data[row-windowSize,col]+value;
                raOut[row,col]=rSum/windowSize;

    return raOut;

但是必须有一个很好的测试，这样我就不必在if和else语句中重复我自己。在

我对python比较新，preferred方法是什么？在

Answer 1

我喜欢Peter的回答，但是这里有一个替代方法，对代码的更改更少。只需测试列数-如果没有列，就认为是'1'。在

import numpy as np
def running_average(data,windowSize):
    dShape = np.shape(data)

    try:
        dShape[1]
    except:
        data = [data]
        dShape = np.shape(data)

    raOut = np.zeros(dShape)
    for col in dShape[1]:
        rSum=0.0
        for row,value in enumerate(data[:][col]):
            if row<windowSize:
                rSum+=float(value)
            else:
                rSum=rSum-data[row-windowSize][col]+value
            raOut[row][col]=rSum/windowSize

    return np.squeeze(raOut)

Answer 2

首先，你考虑的太多了。np.zeros(dShape)将执行您想要的操作，无论{}是一维数组还是二维数组。（在一维数组的情况下，dShape将是一个单元素元组，zeros知道如何处理它。）

第二，停止在if语句的行尾和括号中使用分号。这是Python，你不需要它们。在

至于重复代码，我会将for row, value in ...循环中的所有内容抽象为迭代器。在

所以：

import numpy as np

def average_iterator(data, windowSize):
  rSum = 0.0
  for row, value in enumerate(data):
    if row < windowSize:
      rSum += float(value)
    else:
      rSum = rSum - data[row-windowSize] + value
    yield row, rSum / windowSize

def running_average(data, windowSize):
  dShape = np.shape(data)
  raOut = np.zeros(dShape)
  if len(dShape) == 1:
    for row, avg in average_iterator(data, windowSize):
      raOut[row] = avg
  else:
    for col in xrange(dShape[1]):
      for row, avg in average_iterator(data[:,col], windowSize):
        raOut[row, col] = avg
  return raOut

您还可以在running_average内使average_iterator成为本地定义，在这种情况下，您不必传入windowSize。在

Answer 3

比如说：

def running_avg(data, ws):
    tmp = np.cumsum(data, axis=-1, dtype='float')
    ra = (tmp[..., ws:] - tmp[..., :-ws]) / ws
    return ra

这将取最后一个轴上的平均值，如果你想变得更聪明，你可以让函数取一个轴参数，然后取任意轴上的平均值。在

更新

我相信这个版本和你上面的代码是一致的。在

^{pr2}$

对于更一般的问题，使用numpy内置函数（如cumsum）会有所帮助，因为它们已经这样做了，但是如果必须循环，可以使用A=np.零（A.shape）获取与输入相同形状的数组，然后使用[…，i]始终对最后一个维度进行操作，或者使用[…，i，：]始终对倒数第二个维度进行操作，依此类推。有时人们也会做数据=np.滚动（data，axis）将轴移动到开始位置，然后使用[i]对第一个维度进行操作，如果需要，将轴向后移动。在

更新2：

我刚想起来为什么以下是一个非常坏的主意（至少在这种情况下）：

ra[..., ws:] -= ra[..., :-ws]

您应该改用这个：

ra[..., ws:] = ra[..., ws:] - ra[..., :-ws]