Уменьшение массива numpy для рисования диаграммы

Я хочу нарисовать диаграмму в своем приложении Python, но исходный массив numpy слишком велик для этого (около 1 000 000+). Я хочу взять среднее значение для соседних элементов. Первой идеей было сделать это в стиле C++:

step = 19000 # every 19 seconds (for example) make new point with neam value
dt = <ordered array with time stamps>
value = <some random data that we want to draw>

index = dt - dt % step
cur = 0
res = []

while cur < len(index):
    next = cur
    while next < len(index) and index[next] == index[cur]:
        next += 1
    res.append(np.mean(value[cur:next]))
    cur = next

но это решение работает очень медленно. Я попытался сделать так: это:

step = 19000 # every 19 seconds (for example) make new point with neam value
dt = <ordered array with time stamps>
value = <some random data that we want to draw>

index = dt - dt % step
data = np.arange(index[0], index[-1] + 1, step)
res = [value[index == i].mean() for i in data]
pass

Это решение медленнее, чем первое. Какое лучшее решение этой проблемы?


python numpy scipy
person Artem Mezhenin    schedule 20.06.2012    source источник

Ответы (1)


arrow_upward
3
arrow_downward

np.histogram может предоставлять суммы по произвольным интервалам. Если у вас есть временные ряды, например:

import numpy as np

data = np.random.rand(1000)          # Random numbers between 0 and 1
t = np.cumsum(np.random.rand(1000))  # Random time series, from about 1 to 500

затем вы можете вычислить объединенные в бины суммы через 5-секундные интервалы, используя np.histogram:

t_bins = np.arange(0., 500., 5.)       # Or whatever range you want
sums = np.histogram(t, t_bins, weights=data)[0]

Если вам нужно среднее значение, а не сумма, удалите веса и используйте бинарные подсчеты:

means = sums / np.histogram(t, t_bins)][0]

Этот метод аналогичен тому, что описан в этом ответе.

person marshall.ward    schedule 20.06.2012