使用 NaNs 计算 numpy 数组中的移动平均值

Question

我正在尝试计算包含 NaN 的大型 numpy 数组中的移动平均值。目前我正在使用：

import numpy as np

def moving_average(a,n=5):
      ret = np.cumsum(a,dtype=float)
      ret[n:] = ret[n:]-ret[:-n]
      return ret[-1:]/n

使用掩码数组计算时：

x = np.array([1.,3,np.nan,7,8,1,2,4,np.nan,np.nan,4,4,np.nan,1,3,6,3])
mx = np.ma.masked_array(x,np.isnan(x))
y = moving_average(mx).filled(np.nan)

print y

>>> array([3.8,3.8,3.6,nan,nan,nan,2,2.4,nan,nan,nan,2.8,2.6])

理想情况下，我正在寻找的结果（下方）应该只在原始数组 x 有 NaN 的地方有 NaN，并且应该对分组中的非 NaN 元素的数量进行平均（我需要一些方法来改变函数中 n 的大小。）

y = array([4.75,4.75,nan,4.4,3.75,2.33,3.33,4,nan,nan,3,3.5,nan,3.25,4,4.5,3])

我可以遍历整个数组并按索引检查索引，但我使用的数组非常大，这将花费很长时间。有没有一种 numpythonic 的方法可以做到这一点？

Answer 1

您可以创建一个临时数组并使用 np.nanmean()（如果我没记错的话，这是 1.8 版的新功能）：

import numpy as np
temp = np.vstack([x[i:-(5-i)] for i in range(5)]) # stacks vertically the strided arrays
means = np.nanmean(temp, axis=0)

并用 means[np.isnan(x[:-5])] = np.nan

将原来的 nan 放回原位

然而，这在内存（堆叠跨步 5 次的相同数组）和计算方面看起来都是多余的。

Answer 2

如果我没理解错的话，如果原始数组中的索引为 nan.

，则您想创建一个移动平均线，然后将生成的元素填充为 nan

import numpy as np

>>> inc = 5 #the moving avg increment 

>>> x = np.array([1.,3,np.nan,7,8,1,2,4,np.nan,np.nan,4,4,np.nan,1,3,6,3])
>>> mov_avg = np.array([np.nanmean(x[idx:idx+inc]) for idx in range(len(x))])

# Determine indices in x that are nans 
>>> nan_idxs = np.where(np.isnan(x))[0]

# Populate output array with nans
>>> mov_avg[nan_idxs] = np.nan
>>> mov_avg
array([ 4.75, 4.75, nan, 4.4, 3.75, 2.33333333, 3.33333333, 4., nan, nan, 3., 3.5, nan, 3.25, 4., 4.5, 3.])

Answer 3

这是一种使用步幅的方法 -

w = 5 # Window size
n = x.strides[0]      
avgs = np.nanmean(np.lib.stride_tricks.as_strided(x, \
                        shape=(x.size-w+1,w), strides=(n,n)),1)

x_rem = np.append(x[-w+1:],np.full(w-1,np.nan))
avgs_rem = np.nanmean(np.lib.stride_tricks.as_strided(x_rem, \
                               shape=(w-1,w), strides=(n,n)),1)
avgs = np.append(avgs,avgs_rem)                               
avgs[np.isnan(x)] = np.nan

Answer 4

我将添加到之前的好答案中，您仍然可以使用 cumsum 来实现此目的：

import numpy as np

def moving_average(a, n=5):
    ret = np.cumsum(a.filled(0))
    ret[n:] = ret[n:] - ret[:-n]
    counts = np.cumsum(~a.mask)
    counts[n:] = counts[n:] - counts[:-n]
    ret[~a.mask] /= counts[~a.mask]
    ret[a.mask] = np.nan

    return ret

x = np.array([1.,3,np.nan,7,8,1,2,4,np.nan,np.nan,4,4,np.nan,1,3,6,3])
mx = np.ma.masked_array(x,np.isnan(x))
y = moving_average(mx)

Answer 5

Pandas 有很多非常好的功能。例如：

x = np.array([np.nan, np.nan, 3, 3, 3, np.nan, 5, 7, 7])

# requires three valid values in a row or the resulting value is null

print(pd.Series(x).rolling(3).mean())

#output
nan,nan,nan, nan, 3, nan, nan, nan, 6.333

# only requires 2 valid values out of three for size=3 window

print(pd.Series(x).rolling(3, min_periods=2).mean())

#output
nan, nan, nan, 3, 3, 3, 4, 6, 6.3333

您可以尝试使用 windows/min_periods 并考虑在一个链接的代码行中全部填充空值。

Answer 6

目前瓶颈包应该相当可靠和快速地解决问题。这是来自 https://kwgoodman.github.io/bottleneck-doc/reference.html#bottleneck.move_mean:

的略微调整的示例

>>> import bottleneck as bn
>>> a = np.array([1.0, 2.0, 3.0, np.nan, 5.0])
>>> bn.move_mean(a, window=2)
array([ nan,  1.5,  2.5,  nan,  nan])
>>> bn.move_mean(a, window=2, min_count=1)
array([ 1. ,  1.5,  2.5,  3. ,  5. ])

请注意，结果均值对应于 window 的最后一个索引。

该包可从 Ubuntu repos、pip 等获得。它可以在 numpy 数组等的任意轴上运行。除此之外，它声称在许多情况下比普通 numpy 实现更快。

使用 NaNs 计算 numpy 数组中的移动平均值

Calculate moving average in numpy array with NaNs

python

numpy

masked-array