python – Numpy：在每个时间步长平均许多数据点

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python – Numpy：在每个时间步长平均许多数据点，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1386字，纯文字阅读大概需要2分钟。

内容图文

这个问题可能在某个地方得到解答,但我找不到哪里,所以我会在这里问：

我有一组数据,每个时间步长有几个样本.所以,我基本上有两个数组,“时间”,看起来像：(0,0,0,1,1,1,1,1,2,2,3,4,4,4,4,… .)和我的数据,这是每次的价值.每个时间步长具有随机数量的样本.我想以有效的方式获得每个时间步长的数据的平均值.

我准备了以下示例代码来显示我的数据.基本上,我想知道是否有更有效的方法来编写“average_values”函数.

import numpy as np
import matplotlib.pyplot as plt

def average_values(x,y):
    unique_x = np.unique(x)
    averaged_y = [np.mean(y[x==ux]) for ux in unique_x]
    return unique_x, averaged_y

#generate our data
times   = []
samples = []

#we have some timesteps:
for time in np.linspace(0,10,101):

    #and a random number of samples at each timestep:
    num_samples = np.random.random_integers(1,10)

    for i in range(0,num_samples):
        times.append(time)
        samples.append(np.sin(time)+np.random.random()*0.5)

times   = np.array(times)
samples = np.array(samples)

plt.plot(times,samples,'bo',ms=3,mec=None,alpha=0.5)
plt.plot(*average_values(times,samples),color='r')
plt.show()

这是它的样子：

解决方法:

我可以提出一个pandas解决方案.如果您打算使用时间序列,强烈建议您使用.

创建测试数据

import pandas as pd
import numpy as np

times = np.random.randint(0,10,size=50)
values = np.sin(times) + np.random.random_sample((len(times),))
s = pd.Series(values, index=times)
s.plot(linestyle='.', marker='o')

计算平均值

avs = s.groupby(level=0).mean()
avs.plot()

内容总结

以上是互联网集市为您收集整理的python – Numpy：在每个时间步长平均许多数据点全部内容，希望文章能够帮你解决python – Numpy：在每个时间步长平均许多数据点所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端