Matlab实现每8个元素求和后将均值分配给对应元素的方法

下面提供两种实用的实现方式，适配大型数组的处理需求：

方法一：纯Python循环（无第三方依赖） #

无需额外库，直接用基础循环完成分块计算：

def process_array(arr, chunk_size=8):
    processed = []
    # 按每8个元素为一组遍历数组
    for i in range(0, len(arr), chunk_size):
        chunk = arr[i:i+chunk_size]
        # 计算当前组的均值
        mean = sum(chunk) / len(chunk)
        # 将均值重复8次，替换原组的所有元素
        processed.extend([mean]*chunk_size)
    return processed

# 示例调用
original_arr = [
    0, 0, 3.6923, 4.5444, 0, 0, 1.2071, 0,
    0, 0, 0.21302, 0, 0, 0, 0, 0.35503
]
result = process_array(original_arr)
# 按示例格式输出（保留4位小数）
for num in result:
    print("{0:.4f}".format(num))

方法二：使用NumPy（大型数组首选，效率更高） #

针对超大规模数组，NumPy的向量化操作能大幅提升处理速度：

import numpy as np

def process_array_np(arr, chunk_size=8):
    np_arr = np.array(arr)
    # 将数组重塑为N行8列的矩阵（需确保原数组长度是8的倍数，若不是可按需补全或处理剩余元素）
    reshaped = np_arr.reshape(-1, chunk_size)
    # 计算每行的均值，再扩展为原数组的形状
    means = reshaped.mean(axis=1)
    processed = np.repeat(means, chunk_size)
    return processed

# 示例调用
original_arr = [
    0, 0, 3.6923, 4.5444, 0, 0, 1.2071, 0,
    0, 0, 0.21302, 0, 0, 0, 0, 0.35503
]
result = process_array_np(original_arr)
# 按示例格式输出（保留4位小数）
for num in result:
    print("{0:.4f}".format(num))

补充说明 #

• 若数组长度不是8的整数倍，需根据业务需求处理剩余元素：比如单独计算剩余元素的均值替换、忽略剩余部分，或者补0至8的倍数后再处理。
• 百万级以上元素的数组优先选择NumPy方案，避免纯循环的性能瓶颈。

内容的提问来源于stack exchange，提问作者user5618251