快速获取.npy数组中每N行平均值的快速方法
问题内容：
我有一个非常大的originalArray带有许多行和两列的蒙版NumPy数组（）。我想获取每两行的平均值，originalArray并构建一个newArray其中每行是两行的平均值的行originalArray（因此，行数是的newArray一半originalArray）。这应该是一件简单的事情，但是下面的脚本非常慢。任何来自社区的建议将不胜感激。
newList = []
for i in range(0, originalArray.shape[0], 2):
r = originalArray[i:i+2,:].mean(axis=0)
newList.append(r)
newArray = np.asarray(newList)
必须有一种更优雅的方法。非常感谢！
问题答案：
两个值的平均值a，并b为0.5*(a+b)
因此你可以做这样的：
newArray = 0.5*(originalArray[0::2] + originalArray[1::2])
它将所有连续的两行相加，最后将每个元素乘以0.5。
由于在标题中您要在N行上求平均值，因此这是一个更通用的解决方案：
def groupedAvg(myArray, N=2):
result = np.cumsum(myArray, 0)[N-1::N]/float(N)
result[1:] = result[1:] - result[:-1]
return result
n元素上的均值的一般形式是sum([x1,x2,...,xn])/n。向量中mto的元素之和与从的th元素减去th元素相同。 除非
为0， 否则 您将不减去任何值（结果[0]）。
这就是我们在这里利用的优势。另外，由于所有内容都是线性的，因此除以并不重要，因此我们一开始就要做，但这只是一个问题。m+n``v``m-1``m+n``cumsum(v)
m
N
如果最后一组的N元素少于个，它将被完全忽略。如果您不想忽略它，则必须特别对待最后一组：
def avg(myArray, N=2):
cum = np.cumsum(myArray,0)
result = cum[N-1::N]/float(N)
result[1:] = result[1:] - result[:-1]
remainder = myArray.shape[0] % N
if remainder != 0:
if remainder < myArray.shape[0]:
lastAvg = (cum[-1]-cum[-1-remainder])/float(remainder)
else:
lastAvg = cum[-1]/float(remainder)
result = np.vstack([result, lastAvg])
return result
