pythonic方法來評估一個巨大的數據集的平均值

我有一個向量X，它是由N = 10e6值組成。我想計算增加對的平均值。例如：pythonic方法來評估一個巨大的數據集的平均值

for i in range(0,N-1): 
    Ex[i] = X[0:i+1].mean()

這樣做的效率非常低下。什麼是更智能的Python算法？註釋Ex和X都是浮點值的numpy數組。

您可能需要編寫自己的'mean'並且用類似配對'itertools.accumulate' –

你可以使用'numpy.cumsum'並按索引進行分割。 –

@YakymPirozhenko考慮發佈這個答案。 – Divakar

一個numpy -centric的解決辦法如下：

X = np.random.rand(10**6) 
EX = np.cumsum(X)/np.arange(1, X.shape[0]+1)

2016-11-28 20:56:36

您可能希望使用'float'數組來區分：'np.arange（..）。astype（float）'如果'X'是int。 – Divakar

@Divakar因爲Python 2'/'floor division？ –

@ juanpa.arrivillaga是的，這是py2的事情。或者也可以使用'numpy.true_divide（）'。 – Divakar

不是numpy專家，但是這避免了每次計算元素的總和。只是積累的總和：

current_sum = 0.0 
for i in range(0,N-1): 
    current_sum += X[i] 
    Ex[i] = current_sum/(i+1)

2016-11-28 20:53:53

這已經相當快了，這樣一個明顯的解決方案。謝謝。 – gutelfuldead

回答