我有一个NumPy数组，包含8035个时间点，43个纬度点和43个经度点，我需要计算这个矩阵中每个点在8035个时间点上的移动平均值，我的数组的形状为（8035，43，43）。
def moving_average_centered(a,n):
return pd.Series(a).rolling(window=n, center=True).mean().to_numpy()
mat = np.zeros([31390])
cont = 0
for i in range(len(b)):
for j in range(len(b[i])):
for k in range(len(b[i][j])):
a=(moving_average_centered(b[i][j][k],11))
mat[cont]=a
cont = cont +1我的数组看起来就像是NaN。代码中可能有什么错误？我想要一个形状为（8035，43，43）的NumPy数组。
1条答案
按热度按时间nwwlzxa71#
在1D中实现平滑的最简单方法是卷积。例如：
np.convolve()是一个1D函数，因此np.apply_along_axis()负责沿着数据数组的时间（第一）轴应用它，这两个函数在NumPy信号处理中非常有用。听起来你的数据中可能有一些NaN。这些会引起问题（例如，当你卷积时会扩散到结果中），所以你可能想先处理它们。
如果你想要一个不同的平滑函数（这个内核只取窗口中的平均值），或者你想在多个轴上进行过滤，那么你应该检查
scipy.signal和scipy.ndimage模块，那里有很多过滤器，你不需要np.apply_along_axis()-大多数scipy函数是n维的，所以你可以告诉它沿着哪个轴运行。PS在NumPy中你几乎从来不需要循环（说真的，从来不需要）（当你在Python中循环时，你不需要计数器）。而且十有八九你也不需要Pandas。保持简单！