如何高效计算Numpy数组中连续元素对的平均值？

针对你的需求，完全不需要遍历，用Numpy的向量化操作就能高效实现，代码简洁且性能拉满：

方法一：切片直接计算（最简洁高效，针对相邻2元素场景） #

利用切片提取数组的前n-1个元素和后n-1个元素，直接相加后取平均。这是Numpy中处理相邻元素平均最直接的方案，底层是优化过的C级运算，效率远高于Python遍历：

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
avg_arr = (arr[:-1] + arr[1:]) / 2
print(avg_arr)  # 输出: [1.5 2.5 3.5 4.5]

这里arr[:-1]取数组除最后一个元素外的所有元素（即[1,2,3,4]），arr[1:]取数组除第一个元素外的所有元素（即[2,3,4,5]），两者逐元素相加后除以2，直接得到相邻元素的平均值数组。

方法二：滑动窗口（通用任意窗口大小） #

如果以后需要计算连续k个元素的平均值（比如k=3），可以用np.lib.stride_tricks.sliding_window_view生成滑动窗口，再求均值，扩展性更强：

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
# 生成大小为2的滑动窗口
windows = np.lib.stride_tricks.sliding_window_view(arr, window_size=2)
avg_arr = windows.mean(axis=1)
print(avg_arr)  # 输出: [1.5 2.5 3.5 4.5]

为什么重塑数组无效？ #

重塑只是改变数组的维度（比如把(5,)变成(1,5)或其他合法形状），但无法直接提取相邻的元素对。而切片或滑动窗口是从原数组中提取连续的子序列，这才是计算相邻元素平均的核心需求。

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