我有一个多维numpy数组，其中的一个维度是以年为单位的年龄。我想把它转换成5年的增量。
所以我有一个数组（10，2），其中第一维代表年龄，第二维代表性别，我想计算每5年的平均值，分别是两种性别。
import numpy as np
arr = np.array([[0,1], [2,3], [3,4], [4,5], [5,6], [7,8], [8,9], [9,10], [10,11], [11,12]])
arr.shape
mean_1st_5_yrs_female = np.mean([0,2,3,4,5])
mean_1st_5_yrs_male = np.mean([1,3,4,5,6])
mean_2nd_5_yrs_female = np.mean([7,8,9,10,11])
mean_2nd_5_yrs_male = np.mean([8,9,10,11,12])
arr = np.array([[mean_1st_5_yrs_female, mean_1st_5_yrs_male],[mean_2nd_5_yrs_female, mean_2nd_5_yrs_male]])
arr字符串
在numpy中我如何自动执行此操作？
谢谢
2条答案
按热度按时间8nuwlpux1#
假设你的第一个（外部）维度是5的适当倍数，你可以做以下事情：
个字符
-1填充了剩余的维度，在这个特定的例子中，基本上是通过计算10 // 5来填充的。然后，重新整形的数组具有适当的维度：一个用于周期（5年），一个用于性别（2），一个用于周期数的维度（在这个例子中是2;上面的-1）。然后它只是在正确的轴上取平均值的问题：因为这是一个单一时期的平均值，分别为两种性别，这是第二个指数。如果你不习惯整形，请注意：你不能在原始维度上整形，也就是说，
(-1, 2, 5)的形状不起作用（好吧，从技术上讲，它会起作用，但你会发现，如果你然后，例如，沿任何轴沿着平均，你不会得到你想要的，因为原始数据结构中的任何东西现在都丢失了）。vcudknz32#
对于Pandas变体（在某些时候，当使用显式命名的列时，例如您在这里看到的，可能更好地使用）：
个字符
如果你想把它放回NumPy：
的字符串
Pandas的优点是它不关心行数是5的整数倍。它会计算平均值，对于最后剩下的行，它仍然会计算平均值，只是行数较少（所以它可能会有一点偏差）。
最后，如果你想要一个滚动平均值：
型
前几个结果将是NaN，因为没有足够的输入，但这对于滚动平均值来说是正常的。更多示例请参见
https://pandas.pydata.org/pandas-docs/stable/user_guide/window.html。