如何将列表拆分为生存，然后在 python 中对其进行平均？

Question

我写了下面的代码，它需要 10 个样本，然后将其分成两个列表，然后对其进行平均，即在输出中我有 5 个数据样本。

av = 2
data = np.random.randn(10);
print(data)
tic = time.time();
def average(av_n, data):
    if av_n > 1:
        data = data[:len(data) - len(data) % av_n];
        llen = len(data)
        avedDataLen = int(llen/av_n);
        chunks = [data[x:x+avedDataLen] for x in xrange(0, llen, avedDataLen)]
        print (chunks)
        def divide(x): return (x / av_n)
        return map(divide, map(sum, zip(*chunks)))
    else:
        return data

amp = np.asarray(average(av, data))
print(amp)
print ('takes time: ' +str(time.time() - tic))

例如我的输入是：

[-0.22609503 -0.4501512  -0.46334891  1.18450149 -1.17728558  1.27805933
  0.25943615 -1.18671214  0.96818224  0.32928086]

它应该被分成 'av_n' 个数组，在这种情况下它是两个：

[-0.22609503, -0.4501512 , -0.46334891,  1.18450149, -1.17728558]
[ 1.27805933,  0.25943615, -1.18671214,  0.96818224,  0.32928086]

输出是：

[ 0.52598215 -0.09535753 -0.82503053  1.07634186 -0.42400236]

唯一的问题是我的应用程序平均需要花费 0.25 秒的时间，有没有更快的方法？

Answer 1

如果 data 可以均匀地分成所需数量的子列表，您可以 reshape 数组，然后使用 np.average 和适当的 axis 参数。

>>> data
array([-0.22609503, -0.4501512 , -0.46334891,  1.18450149, -1.17728558,
        1.27805933,  0.25943615, -1.18671214,  0.96818224,  0.32928086])
>>> np.average(data.reshape((2, -1)), axis=0)
array([ 0.52598215, -0.09535752, -0.82503053,  1.07634186, -0.42400236])
>>> np.average(data.reshape((2, -1)), axis=1)
array([-0.22647585,  0.32964929])

如果列表不能被整除，你可以trim最后几个元素；你似乎也在你的代码中做了类似的事情。结果是一样的，而且速度要快得多。

>>> data = np.random.randn(127874)                             
>>> %timeit np.asarray(list(average(2, data)))
10 loops, best of 3: 36.8 ms per loop
>>> %timeit np.average(data.reshape((2, len(data)//2)), axis=0)
10000 loops, best of 3: 115 µs per loop

（由于 Python 2 与 3 中 map 的不同行为，使用 list(average(...))；请注意，您的代码创建了大量临时列表，包括由map.)

如何将列表拆分为生存，然后在 python 中对其进行平均？

How to split list into subsist and then average it in python?

python

numpy

list

sublist