引导数字列表均值的最有效方法是什么？

Question

我有一个数字列表（浮点数），我想估计平均值。 我还需要估计这种平均值的变化。 我的目标是对列表重新采样 100 次，我的输出将是一个长度为 100 的数组，每个元素对应于重新采样列表的平均值。

这是我想要实现的一个简单可行的示例：

import numpy as np
data = np.linspace(0, 4, 5)
ndata, boot = len(data), 100
output = np.mean(np.array([data[k] for k in np.random.uniform(high=ndata, size=boot*ndata).astype(int)]).reshape((boot, ndata)), axis=1)

然而，当我必须为具有大量元素的许多列表重复时，这很慢。 该方法也似乎非常笨拙且非 Pythonic。 实现我的目标的更好方法是什么？

PS 我知道scipy.stats.bootstrap ，但是我在anaconda scipy升级到1.7.1以导入它时scipy问题。

Answer 1

使用np.random.choice ：

import numpy as np

data = np.linspace(0, 4, 5)
ndata, boot = len(data), 100
output = np.mean(
    np.random.choice(data, size=(100, ndata)),
    axis=1)

如果我理解正确，这个表达式（在你问题的代码中）：

np.array([data[k] for k in np.random.uniform(high=ndata, size=boot*ndata).astype(int)]).reshape((boot, ndata)

正在做替换抽样，这正是 np.random.choice 所做的。

以下是一些时间供参考：

%timeit np.mean(np.array([data[k] for k in np.random.uniform(high=ndata, size=boot*ndata).astype(int)]).reshape((boot, ndata)), axis=1)
133 µs ± 3.96 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)
%timeit np.mean(np.random.choice(data, size=(boot, ndata)),axis=1)
41.1 µs ± 538 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

可以看出np.random.choice产生了 3 倍的改进。