平均時間序列長度不同

Question

我公司擁有一批名單（時間序列）

dictionary = {'a': [1,2,3,4,5], 'b': [5,2,3,4,1], 'c': [1,3,5,4,6]} 

，我想以平均另一個的：

merged = {'m': [2.33,2.33,3.66,4.0,4.0]} 

有沒有發現這是一個聰明的辦法？

如果列表的長度不同，我想從可用的平均值或假裝所有列表發生在同一時間範圍內，儘管數據點數量不同？

Answer 1

鑑於你用numpy和scipy標記了這個，我假設可以使用科學的python函數。完成第一個任務一個簡潔的辦法就是再

$ ipython --pylab 
>>> dictionary = {'a': [1,2,3,4,5], 'b': [5,2,3,4,1], 'c': [1,3,5,4,6]} 
>>> map(mean, np.array(dictionary.values()).transpose()) 
[2.3333333333333335, 2.3333333333333335, 3.6666666666666665, 4.0, 4.0] 

你當然也可以把這個變成一個字典，鍵「m」和四捨五入的結果，得到的結果在您指定的形式。

至於處理丟失的值或不同長度的數組， 您首先需要決定如何處理丟失的數據。 你問第二個問題的方式太模糊了。

Answer 2

的漂亮數據的簡單方法就是

from statistics import mean 

dictionary = {'a': [1,2,3,4,5], 'b': [5,2,3,4,1], 'c': [1,3,5,4,6]} 
merged = {'m': [mean(values) for values in zip(*dictionary.values())]} 

merged 
#>>> {'m': [2.3333333333333335, 2.3333333333333335, 3.6666666666666665, 4.0, 4.0]} 

對於老的Python 3版本，與sum(values)/len(values)更換statistics.mean。對於Python 2，您需要from __future__ import division或使用float(len(values)。

如果你想線性插值，這是相當容易的事：

from statistics import mean 
import numpy 

dictionary = {'a': [1,2,3,4,5], 'b': [5,2,3,1], 'c': [1,3,5,4,6]} 

def interpolate_many(lists): 
    maxlen = max(map(len, lists)) 
    interpolation_target = numpy.linspace(0, 1, maxlen) 

    for lst in lists: 
     x_values = numpy.linspace(0, 1, len(lst)) 
     yield numpy.interp(interpolation_target, x_values, lst) 

interpolated = interpolate_many(dictionary.values()) 

merged = {'m': [mean(values) for values in zip(*interpolated)]} 
merged 
#>>> {'m': [2.3333333333333335, 2.5833333333333335, 3.5, 3.5, 4.0]} 

這一切確實是前處理的列表，以便短的人已經發揮到了最大長度（maxlen，可如果被改變你希望）。然後它運行之前的代碼。

Answer 3

以下代碼根據找到的元素數量對數組進行平均。

dictionary = {'a': [1,2,3,4,5], 'b': [5,2,3,4,1], 'c': [1,3,5,4,6]} 

mergerd = {'m': []} 

i = 0 
count = 0 
num = len(dictionary) 

while True: 
    mergerd['m'].append(0) 
    for key in dictionary: #for each entry in the dictionary 
     if (len(dictionary[key]) <= i): #if the list for that entry doesn't have a element 
      continue 
     mergerd['m'][i] += dictionary[key][i] 
     count += 1 
    if count == 0: #if there were no more elements 
     mergerd['m'].pop() 
     break 
    mergerd['m'][i] = mergerd['m'][i]/count 
    count = 0 
    i += 1 

print(mergerd['m']) 

產生以下輸出

[2.3333333333333335, 2.3333333333333335, 3.6666666666666665, 4.0, 4.0] 

if dictionary was equal to {'a': [1,2,3,4,5,3], 'b': [5,2,3,4,1,1,1], 'c': [1,3,5,4,6]} 
# then the following would be output 
[2.3333333333333335, 2.3333333333333335, 3.6666666666666665, 4.0, 4.0, 2.0, 1.0] 

到合併完畢數組的最後兩個元件是2.0和1.0

2，因爲僅存在兩個陣列具有一個第六元件被加工出來，它們的值是3和1，所以（3 + 1）/ 2 = 2

因爲只有一個具有第7個元素的數組，所以它的值爲1，所以1/1 = 1

Answer 4

您可以使用基本的列表理解：

import numpy 
dictionary = {'a': [1,2,3,4,5], 'b': [5,2,3,4,1], 'c': [1,3,5,4,6]} 
vals = [dictionary.values()[i][j] for j in range(5) for i in range(3)] 
vals = [vals[i:i+3] for i in range(0, len(vals), 3)] 
merged = {} 
merged['m'] = [numpy.mean(item) for item in vals)] 
print merged #{'m': [2.3333333333333335, 2.3333333333333335, 3.6666666666666665, 4.0, 4.0]}