numpy / python中的时间序列平均

Question

我的数据由一个时间数组组成，每秒包含10个数据点，每个时间对应一个强度值数组。 因此，举个例子，我有：

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

我想看看如果我使用更长的平均时间，数据将是什么样子，所以我想创建一些仓（例如1秒，5秒和10秒），并对这些新仓中的强度值进行平均。 在numpy中执行此操作的最佳方法是什么？ （或其他python包，但我假设numpy / scipy有适合我的东西。）我可以使用for循环，但我希望有更好的方法。 谢谢！

Answer 1

您可以按照此处 stackoverflow所述使用convolve计算移动平均值。

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

您可以对数据进行整形以将其分组为10、50或100的组。然后调用mean(axis=-1)方法以获取最后一个轴（大小为10、50或100的轴mean(axis=-1)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))

这是每10个值的平均值：

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

每50个值的平均值：

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

每100个值的平均值：

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 arr.reshape(-1, 10)数组arr的形状，使其最后一个轴的大小为10。 -1告诉NumPy给第一个轴赋予填充数组所需的任何大小。

请注意，以这种方式使用reshape要求len(intensities)被要分组的大小（例如10、50、100 len(intensities)均匀地整除。