Python二维数组按行每10个数据求移动平均如何保留151列

现有形状为(1000, 151)的numpy数组aN，需求为沿行方向每10行计算一次平均值，输出结果需保留原数组的151列。
原有实现代码运行后仅得到长度为100的一维列表，不符合预期，原代码如下：

arr = aN[:]
window_size = 10
i = 0
moving_averages = []

while i < len(arr) - window_size + 1:
    window_average = round(np.sum(arr[i:i+window_size]) / window_size, 2)      
    moving_averages.append(window_average)
    i += 10

原代码的核心问题是调用np.sum()时未指定计算轴：

• 未指定axis参数时，np.sum()会对截取到的10*151二维窗口内所有元素做全局求和，最终输出单个标量值
• 逐窗口累计标量值后，最终自然得到长度为100的一维列表，丢失了原数组的列维度

方案1：numpy向量化实现（推荐，性能最优） #

当总行数可被窗口大小整除时（当前场景1000行/窗口10行刚好满足），直接通过reshape拆分维度后沿指定轴求平均，无需写循环：

import numpy as np

window_size = 10
# 将行维度拆分为 [窗口数量, 单窗口行数, 原列数]，沿窗口内的行轴求列平均
result = aN.reshape(-1, window_size, aN.shape[1]).mean(axis=1).round(2)

运行后result的形状为(100, 151)，完全保留原数组151列的结构。

方案2：修正原有循环逻辑 #

如果要保留循环写法，只需要在求和时指定axis=0，即沿行轴对每一列单独求和计算平均值即可：

arr = aN[:]
window_size = 10
i = 0
moving_averages = []

while i < len(arr) - window_size + 1:
    # 指定axis=0，沿行方向计算每列的窗口平均值
    window_average = np.round(np.sum(arr[i:i+window_size], axis=0) / window_size, 2)      
    moving_averages.append(window_average)
    i += window_size

# 将列表转为numpy数组，最终形状为(100, 151)
moving_averages = np.array(moving_averages)

内容的提问来源于stack exchange，提问作者Pahan