我正试图计算包含NaN的大型numpy数组中的移动平均数。目前我使用:使用NaNs计算numpy数组中的移动平均数
import numpy as np
def moving_average(a,n=5):
ret = np.cumsum(a,dtype=float)
ret[n:] = ret[n:]-ret[:-n]
return ret[-1:]/n
当使用屏蔽数组计算:
x = np.array([1.,3,np.nan,7,8,1,2,4,np.nan,np.nan,4,4,np.nan,1,3,6,3])
mx = np.ma.masked_array(x,np.isnan(x))
y = moving_average(mx).filled(np.nan)
print y
>>> array([3.8,3.8,3.6,nan,nan,nan,2,2.4,nan,nan,nan,2.8,2.6])
结果我要找(下)最好有NaN的只在地方原数组,X,曾NaN,并且平均应在非楠元素的数量来进行的分组(我需要一些方法来改变n的大小的功能。)
y = array([4.75,4.75,nan,4.4,3.75,2.33,3.33,4,nan,nan,3,3.5,nan,3.25,4,4.5,3])
我可以循环整个阵列过来, C heck index by index,但是我使用的数组非常大,这需要很长时间。有没有一个numpythonic的方式来做到这一点?
所以,是'[4.75,4.75,nan,4.4,3.75,2.33,3.33,4,nan,nan,3,3.5,nan,3.25]'预期的输出?如果是这样,为什么有一个“NaN”作为第三个元素? – Divakar
@Divakar这是预期的输出。在原始数组(x)中,有一个“nan”作为第三个条目。 – krakenwagon
那么,为什么我们有NaN作为预期产出的倒数第二项呢? – Divakar