如何使用Python创建一个循环，计算每个timeseries子示例序列的平均值？

Question

我正在尝试创建一个函数，它使用一个时间序列和几个分裂作为参数。如果拆分=3，则函数会将时间序列数据拆分为三分之二，并计算每个拆分的平均值。下面我创建的代码累计计算平均值。以下是示例数据：

data = pd.Series([1,2,3,4,5,6,7,8,9,9])

下面是我创建的函数：

def multi_mean(ts, n_splits = 3):
    ts_ranges = []
    mn_range = []
    for i in range(1,n_splits+1):
        result = int(round(len(ts)/(i),0))
        for j in range(1,i+1):
            result2 = ts[:result*j].mean()
            mn_range.append(result2)         
    return mn_range

假数据上的函数提供了以下结果列表：

rs1 = multi_mean(data,2)
[5.4,3.0,5.4]

第一个数字用于I =1的拆分，这是整个示例。第二个数字是i= 2的第一个平均值，这是前5个数字的平均值。I =2的第二个数字是所有数字的平均值。我不知道如何在循环中构造切片，以便得到所需的结果。我希望取得以下预期结果：

[5.4,3.0,7.8]

最后，理想情况下，我希望将每一轮I输出到一个单独的list对象中。

Answer 1

关键的部分是您忘记指定每个片的开始。顺便说一句，你不需要像熊猫系列那样这样做，一个简单的列表就可以了。

将中心线更改为开始到切片：

    result2 = sum(ts[result*(j-1):result*j]) / result

输出：

[5.4, 3.0, 7.8]

Answer 2

Prune成功地修复了您的代码，但是我无法抗拒共享一个不同的解决方案。万岁NumPy！

import numpy as np
import itertools as itt

arr_1 = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 9])


def split_means(arr, num_splits):
    means_gen = ((curr_slice.mean() for curr_slice in np.array_split(arr, i)) for i in range(1, num_splits + 1))
    means_iter = itt.chain.from_iterable(means_gen)
    return list(means_iter)


print(split_means(arr_1, 2))