xtensor实现滚动均值时无法将xt::mean结果赋值给double类型元素

我正在尝试通过xtensor库实现类似pandas的rolling mean（滚动均值）功能，但无法将表达式xt::mean(x_window)的结果赋值给double类型的result[i]元素。

复现代码 #

#include <iostream>
#include <xtensor/xarray.hpp>
#include <xtensor/xio.hpp>
#include <xtensor/xview.hpp>
#include <xtensor/xadapt.hpp>
#include <vector>

// 实现滚动均值
template<typename T>
xt::xarray<T> rolling_mean(const xt::xarray<T> &x, const int window) {
    const auto nan = std::numeric_limits<T>::quiet_NaN();
    xt::xarray<T> result = xt::full_like(x, nan);
    for (int i = 0; i < x.shape()[0] - window + 1; i++) {
        auto x_window = xt::view(x, xt::range(i, i + window));
        result[i + window - 1] = xt::mean(x_window); // <-- 出错位置
    }
    return result;
}

int main(int argc, char *argv[]) {
    using T = double;
    std::vector<T> v = {1, 2, 3, 4, 5};
    xt::xarray<T> a = xt::adapt(v);
    std::cout << rolling_mean(a,2) << std::endl; // 预期输出 [nan, 1.5, 2.5, 3.5, 4.5]
}

编译报错 #

代码编译失败，抛出的类型不匹配错误如下：

error: assigning to 'double' from incompatible type 'xt::xfunction<xt::detail::divides, xt::xreducer<xt::xreducer_functors<xt::detail::plus, xt::const_value<double>>, const xt::xview<xt::xarray_container<xt::uvector<double, xsimd::aligned_allocator<double, 16>>, xt::layout_type::row_major, xt::svector<unsigned long, 4, std::allocator<unsigned long>, true>> &, xt::xrange<long>> &, xt::svector<unsigned long, 4, std::allocator<unsigned long>, true>, xt::reducer_options<double, std::tuple<xt::evaluation_strategy::lazy_type>>>, xt::xscalar<double>>'

xtensor的所有运算、归约操作（包括xt::mean、xt::sum等）默认采用惰性求值逻辑：调用xt::mean(x_window)时不会立刻计算出数值结果，而是返回一个xfunction类型的表达式模板对象，用于延后计算优化性能。这个表达式对象无法隐式转换为double类型的标量值，直接赋值给result的元素就会触发类型不匹配的编译错误。

赋值前手动触发惰性表达式的求值，拿到具体标量结果即可，常用写法有两种：

• 用xt::eval()包裹xt::mean调用，强制即时求值，返回的0维xarray可自动转换为对应类型的标量
• 直接对惰性表达式执行()运算符调用，显式取出计算完成的标量值

修复后代码 #

将出错行替换为以下任意一种写法即可：

// 写法1：通过eval触发求值
result[i + window - 1] = xt::eval(xt::mean(x_window));

// 写法2：直接取标量结果
result[i + window - 1] = xt::mean(x_window)();

完整可运行的修复版函数示例：

template<typename T>
xt::xarray<T> rolling_mean(const xt::xarray<T> &x, const int window) {
    const auto nan = std::numeric_limits<T>::quiet_NaN();
    xt::xarray<T> result = xt::full_like(x, nan);
    for (int i = 0; i < x.shape()[0] - window + 1; i++) {
        auto x_window = xt::view(x, xt::range(i, i + window));
        result[i + window - 1] = xt::eval(xt::mean(x_window));
    }
    return result;
}

编译运行后即可得到预期输出：{ nan, 1.5, 2.5, 3.5, 4.5 }

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