对512×60000数组按行每60列平均降维降噪时出现索引错误如何解决

错误原因 #

• 核心问题出在for row in north_data_fft的遍历逻辑：直接迭代二维numpy数组时，每次拿到的row是行对应的一维数值数组，不是行号索引，你把这个数组类型的变量作为下标去索引north_data_pro和north_data_fft，自然触发「索引必须为整数/布尔类型」的报错。
• 补充：即使修正索引逻辑，手动写双层循环的运行效率极低，完全可以用numpy内置的向量化操作实现需求，性能提升会非常明显。

修正方案 #

1. 快速修复原有循环逻辑 #

如果要保留你原先的循环写法，改成遍历行索引即可：

import numpy as np
# 假设north_data_fft是已加载的512×60000原始数组
north_data_pro = np.zeros((512,1000))
# 遍历行索引而非直接遍历行内容
for row_idx in range(north_data_fft.shape[0]):
    k = 0
    while k < 1000:
        north_data_pro[row_idx][k] = np.mean(north_data_fft[row_idx][60*k : 60*(k+1)])
        k += 1

2. 更高效的向量化实现（推荐） #

无需写任何循环，直接通过reshape拆分维度后沿指定轴取平均即可，逻辑更简洁、运行速度比循环快数十倍：

north_data_pro = north_data_fft.reshape(512, 1000, 60).mean(axis=2)

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