代码之家 › 专栏 › 技术社区 › Pietro Speroni

python中列表中正值的滚动窗口

mean numpy pandas python

Pietro Speroni · 技术社区 · 8 年前

什么是pythonic方法来计算列表的平均值,但只考虑正值?

所以如果我有价值观 [1,2,3,4,5,-1,4,2,3]我想计算三个值的滚动平均值,它基本上是计算[1,2,3,4,5,'nan',4,2,3]的平均滚动平均值。这就变成了【nan,2,3,4,4.5,4.5,3,nan】其中第一个和最后一个nan是由于缺少元素造成的。 2=平均值([1,2,3]) 3=平均值([2,3,4]) 但4.5=平均值([4,5,nan])=平均值([4,5]) 等等因此,重要的是,当存在负值时,它们被排除在外,但除法是正值数量之间的。

我试过:

def RollingPositiveAverage(listA,nElements):
     listB=[element for element in listA if element>0]
     return pd.rolling_mean(listB,3)

但是列表B缺少元素。我试图用nan替换这些元素,但后来平均值变成了nan本身。

有什么好的、优雅的方法来解决这个问题吗?

谢谢

2 回复 | 直到 8 年前

javidcf 8 年前

由于您使用的是熊猫:

import numpy as np
import pandas as pd

def RollingPositiveAverage(listA, window=3):
     s = pd.Series(listA)
     s[s < 0] = np.nan
     result = s.rolling(window, center=True, min_periods=1).mean()
     result.iloc[:window // 2] = np.nan
     result.iloc[-(window // 2):] = np.nan
     return result  # or result.values or list(result) if you prefer array or list

print(RollingPositiveAverage([1, 2, 3, 4, 5, -1, 4, 2, 3]))

输出:

0    NaN
1    2.0
2    3.0
3    4.0
4    4.5
5    4.5
6    3.0
7    3.0
8    NaN
dtype: float64

纯Python版本:

import math

def RollingPositiveAverage(listA, window=3):
    result = [math.nan] * (window // 2)
    for win in zip(*(listA[i:] for i in range(window))):
        win = tuple(v for v in win if v >= 0)
        result.append(float(sum(win)) / min(len(win), 1))
    result.extend([math.nan] * (window // 2))
    return result

print(RollingPositiveAverage([1, 2, 3, 4, 5, -1, 4, 2, 3]))

输出:

[nan, 2.0, 3.0, 4.0, 4.5, 4.5, 3.0, 3.0, nan]

Divakar 8 年前

获取滚动求和,并获取参与正元素掩码滚动求和的有效元素的计数,然后简单地将它们除以平均值。对于滚动求和,我们可以使用 np.convolve 。

因此,实施-

def rolling_mean(a, W=3):
    a = np.asarray(a) # convert to array
    k = np.ones(W) # kernel for convolution

    # Mask of positive numbers and get clipped array
    m = a>=0
    a_clipped = np.where(m,a,0)

    # Get rolling windowed summations and divide by the rolling valid counts
    return np.convolve(a_clipped,k,'same')/np.convolve(m,k,'same')

扩展到以下特定情况: NaN-padding 在边界处-

def rolling_mean_pad(a, W=3):
    hW = (W-1)//2 # half window size for padding
    a = np.asarray(a) # convert to array
    k = np.ones(W) # kernel for convolution

    # Mask of positive numbers and get clipped array
    m = a>=0
    a_clipped = np.where(m,a,0)

    # Get rolling windowed summations and divide by the rolling valid counts
    out = np.convolve(a_clipped,k,'same')/np.convolve(m,k,'same')
    out[:hW] = np.nan
    out[-hW:] = np.nan
    return out

示例运行-

In [54]: a
Out[54]: array([ 1,  2,  3,  4,  5, -1,  4,  2,  3])

In [55]: rolling_mean_pad(a, W=3)
Out[55]: array([ nan,  2. ,  3. ,  4. ,  4.5,  4.5,  3. ,  3. ,  nan])