numpy / python中的时间序列平均值

Question

我的数据由一系列时间组成，每秒有10个数据点，每个时间对应一个强度值数组。所以，举一个例子，让我说我有：

times = np.arange(0,100,0.1)
intensities = np.random.rand(len(times))

如果我使用更长的平均时间，我想看看数据会是什么样子，所以我想创建一些箱子，例如1秒，5秒和10秒，并平均这些新箱子中的强度值。 numpy中最好的方法是什么？ （或者其他python包，但我假设numpy / scipy对我有用。）我可以使用for循环，但我希望有更好的方法。 谢谢！

Answer 1

您可以使用stackoverflow here上提到的convolve计算移动平均线。

from pylab import plot, show
import numpy as np

times = np.arange(0,100,0.1)
intensities = np.random.rand(len(times))

def window(size):
    return np.ones(size)/float(size)

plot(times,intensities,'k.')
plot(times,np.convolve(intensities,window(10),'same'),'r')
plot(times,np.convolve(intensities,window(100),'same'),'b')
show()

Answer 2

您可以重新整形数据，将其分组为10,50或100组。然后调用mean(axis=-1)方法获取最后一个轴（大小为10,50或100的轴）的平均值：

使用此设置：

In [10]: import numpy as np

In [11]: times = np.linspace(0,100,1000)

In [12]: intensities = np.random.rand(len(times))

以下是每10个值的方法：

In [13]: intensities.reshape(-1,10).mean(axis=-1)
Out[13]: <output omitted due to length>

每50个值的含义：

In [14]: intensities.reshape(-1,50).mean(axis=-1)
Out[14]: <output omitted due to length>

表示每100个值：

In [15]: intensities.reshape(-1,100).mean(axis=-1)
Out[15]: 
array([ 0.50969463,  0.5095131 ,  0.52503152,  0.49567742,  0.52701341,
        0.53584475,  0.54808964,  0.47564486,  0.490907  ,  0.50293636])

arr.reshape(-1, 10)告诉NumPy重新整形数组arr，使其在最后一个轴上具有大小为10的形状。 -1告诉NumPy给第一个轴提供填充数组所需的大小。

请注意，以这种方式使用reshape要求len(intensities)可以被您要分组的大小（例如10,50,100）整除。