分割数组被填充循环函数计算分割数组的值

问题描述：

我有一个信号作为一个数组，我分裂了在多个时代。

times = np.arange(0, duration, 1/sfreq) 
nse1 = np.random.rand(times.size) * nse_amp 
x = amp * np.sin(2 * np.pi * 200 * times   ) + nse1 
x2 = np.array_split(x,epochs)

我为y信号做了第二次。假设我的信号x具有（100）的形状，那么对于2个时期我的分裂阵列应该具有（2,50）的形式。

现在我想在使用功能循环来计算我分手阵列的每个段的每个值的值......喜欢的东西：

for i in range(0,epochs): 
    Rxy[i], freqs_xy[i] = mlab.csd(x2[i], y2[i], NFFT=nfft, Fs=sfreq)

所以我会得到一个数组Rxy喜欢（2,50）

希望你得到我想要做的。

问候，丹尼尔

答

要构建Rxy为阵列，该阵列的第一分配空间：

for i in range(2): 
    Rxy[i], freqs_xy[i] = mlab.csd(x2[i], y2[i], NFFT=nfft, Fs=sfreq)

：

Rxy = np.empty_like(x2) 
freqs_xy = np.empty_like(x2)

然后可以使用循环中的Rxy行填

顺便说一下，np.array_split(x,epochs)返回数组的列表。这不是与形状为(2, 50)的阵列相同。如果你能保证epochs 分裂x成相等长度的数组，你可以使用

x2 = x.reshape(2, -1)

代替。然后x2将是形状为(2, 50)的阵列。 reshape更快比array_split因为reshape只需更改属性，而 array_split必须分配和复制数据到新阵列。无论如何，通常更好地将数据保留在一个大阵列中，而不是数组中的部分，因为在列表上的计算通常需要Python循环，这是使用NumPy时性能的瓶颈。当然，有时Python循环不能避免，因为在调用mlab.csd时看起来就是这种情况。

分割数组被填充循环函数计算分割数组的值

相关推荐