我有传感器的张量数据,每个张量的形状为(4,1500) 这是 1500 个时间点,每个时间点有 4 个特征。 我想用滚动平均值或其他滚动统计数据“平滑”序列。最终目标是尝试使用滚动统计而不是长原始序列来改进 lstm 自动编码器。 我熟悉 pandas 的滚动窗口,目前我正在这样做:
#tensor shape:
data.shape
(4,1500)
#convert data to numpy array and then to dataframe and perform rolling mean
rolled_data=pd.DataFrame(data.numpy().swapaxes(1,0)).rolling(10).mean()[::10]
rolled_data.shape
(150, 4)
# convert back the dataframe to tensor
tensor_rolled_data=torch.Tensor(rolled_data.to_numpy().swapaxes(1,0))
tensor_rolled_data.shape
torch.Size([4, 150])
我的问题是 - 有更好的方法吗? numpy/torch 中的函数可以以更干净或更有效的方式进行滚动统计?
最佳答案
由于您按窗口大小跨步输出,因此这实际上更类似于通过平均进行下采样,而不是计算滚动统计数据。我们可以通过简单地 reshape 初始张量来利用不存在重叠的事实。
使用Tensor.reshape
假设您的 data
张量的形状可被 10
整除,那么您只需将张量 reshape 为形状 (4, 150, 10)
并计算沿最后一个维度的统计量。例如
win_size = 10
tensor_rolled_data = data.reshape(data.shape[0], -1, win_size).mean(dim=2)
此解决方案不会提供与您的 tensor_rolled_data
完全相同的结果,因为在此解决方案中,第一个条目将包含前 10 个样本的平均值,第二个条目将包含第二个样本的平均值10 个样本等...pandas 解决方案是一个“因果过滤器”,因此第一个条目将包含 10 个最新样本的平均值(包括样本 0),第二个条目将包含 10 个最新样本(包括样本 0)示例 10 等...(请注意,pandas 解决方案中的第一个条目是 nan
,因为前面的示例少于 10
)。
如果这种差异 Not Acceptable ,您可以通过首先填充 9 个 nan 值并剪掉最后 9 个样本来重新创建 pandas 结果。
import torch.nn.functional as F
win_size = 10
# pad with `nan` to match behavior of pandas
data_padded = F.pad(data[None, :, :-(win_size - 1)], (win_size - 1, 0), 'constant', float('nan')).squeeze(0)
# find mean of groups of N samples
tensor_rolled_data = data_padded.reshape(data.shape[0], -1, win_size).mean(dim=2)
使用Tensor.unfold
解决有关重叠时该怎么做的评论。如果您只对平均统计量感兴趣,那么有多种方法可以计算它(例如卷积、平均池化、张量展开)。也就是说,Tensor.unfold
给出了最通用的解决方案,因为它可用于计算窗口上的任何统计量。例如
# same as first example above
win_size = 10
tensor_rolled_data = data.unfold(dimension=1, size=win_size, step=win_size).mean(dim=2)
或
# same as second example above
import torch.nn.functional as F
win_size = 10
data_padded = F.pad(data.unsqueeze(0), (win_size - 1, 0), 'constant', float('nan')).squeeze(0)
tensor_rolled_data = data_padded.unfold(dimension=1, size=win_size, step=win_size).mean(dim=2)
在上述情况下,展开与 reshape 产生相同的结果,因为大小和步长相等。然而,与 reshape 不同的是,展开还支持大小!=步长。
win_size = 10
stride = 2
tensor_rolled_data = data.unfold(1, win_size, stride).mean(dim=2).mean(dim=2)
# produces shape [4, 746]
或者您可以使用 win_size - 1
值填充功能的前面,以达到与 pandas 相同的结果。
import torch.nn.functional as F
win_size = 10
stride = 2
data_padded = F.pad(data.unsqueeze(0), (win_size - 1, 0), 'constant', float('nan')).squeeze(0)
tensor_rolled_data = data_padded.unfold(1, win_size, stride).mean(dim=2)
# produces shape [4, 750]
注意实际上,您可能不想 pad与 NaN 因为这可能会变得相当令人头疼。相反,您可以使用零填充、'replicate'
填充或'mirror'
填充。
关于python - numpy 或 pytorch 中的滚动统计,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/63361688/