这是一个极其简单的问题,但广泛的搜索并没有给我提供满意的答案。
我有一个“随着时间的推移”演变的数字数组,例如x = [1, 2, 3, 4, 5]
我想计算每个时间点的平均值。使用 for 循环我会简单地做
import numpy as np
x = [1, 2, 3, 4, 5]
y = np.empty(5)
for i in range(5):
y[i] = np.mean(x[0:i+1])
print(y)
[ 1. 1.5 2. 2.5 3. ]
在我正在处理的流程中,这些数字不一定遵循上述的简单动态。我想知道是否有一些以“运行”方式应用操作(例如计算平均值)的通用方法,这比 for 循环更快?
最佳答案
怎么样
a = np.array([1, 2, 3, 4, 5])
np.cumsum(a)/(np.arange(1, a.size + 1))
?
这将适用于计算运行平均值。
I wonder if there is some general way of applying a operation (such as calculating the mean) in a 'running' fashion
我无法对此提供答案。这取决于操作。
关于Python Numpy : Operation on each sequential element without for loop?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/43409648/