我的数据由一组时间组成，每秒有 10 个数据点，以及一组与每个时间对应的强度值。因此，举个例子，假设我有:
times = np.arange(0,100,0.1)
intensities = np.random.rand(len(times))
我想看看如果我使用更长的平均时间，数据会是什么样子，所以我想创建一些分箱，比如 1 秒、5 秒和 10 秒，然后对这些新分箱中的强度值进行平均.在 numpy 中执行此操作的最佳方法是什么？ (或其他 python 包，但我假设 numpy/scipy 有适合我的东西。)我可以使用 for 循环，但我希望有更好的方法。 谢谢!
请您参考如下方法:
您可以使用 convolve 计算移动平均线，如 stackoverflow 中所述 here .
from pylab import plot, show
import numpy as np
times = np.arange(0,100,0.1)
intensities = np.random.rand(len(times))
def window(size):
return np.ones(size)/float(size)
plot(times,intensities,'k.')
plot(times,np.convolve(intensities,window(10),'same'),'r')
plot(times,np.convolve(intensities,window(100),'same'),'b')
show()
