如何对二维数组执行滚动均值计算？

嘿，这个问题我太熟了！你要做的是二维数组的滑动窗口均值计算，还不想用循环，那用numpy的工具就能完美解决，效率超高。

先明确下你的需求：输入是形状为(6000, 3)的数组，要取连续3行的所有元素（也就是一个3×3的窗口），计算每个窗口的均值，最终得到长度为5998的一维数组——毕竟6000 - 3 + 1 = 5998，刚好是窗口能滑动的次数。

直接上代码，一步一步来：

1. 先导入numpy，构造示例数组（你替换成自己的数组就行）：

import numpy as np

# 构造一个和你需求形状一致的示例数组
arr = np.random.rand(6000, 3)

2. 用滑动窗口工具生成所有3×3的窗口：

# 创建滑动窗口，窗口尺寸设置为(3,3)，对应3行3列
windows = np.lib.stride_tricks.sliding_window_view(arr, window_shape=(3, 3))

这里生成的windows形状是(5998, 1, 3, 3)，多出来的那个长度为1的维度是因为原数组列数刚好是3，列方向没法滑动，所以我们接下来处理掉它。

3. 计算每个窗口的均值：
   你可以用两种方式实现，选哪种都可以：

• 方式一：先把窗口展平成二维数组，再按行求均值

flattened_windows = windows.reshape(-1, 9)  # 每个窗口9个元素
mean_array = flattened_windows.mean(axis=1)

• 方式二：直接对窗口的行、列维度求均值，再去掉多余维度

mean_array = windows.mean(axis=(2, 3)).squeeze()

最终得到的mean_array就是形状为(5998,)的数组，完全符合你的要求！

为啥不用循环？因为numpy的这些函数都是底层用C实现的，比Python写for循环快太多了，尤其是处理几千行的数组，效率差距特别明显，我之前处理时序数据时经常这么用，省心又高效。

备注：内容来源于stack exchange，提问作者Polly Gill