python中向量长度_python中不同长度点的平均多个向量

不幸的是没有人接受，这里有一个解决方案，我觉得行得通。在

我不得不改变数据的格式来解决这个问题。

因此，与其列出(x，y)点数可变的试验列表：

[[(x，y)，(x，y)，…]，[(x，y)，(…)，…]]

我现在有3个numpy.arrays公司公司名称：

sx=数组([23，34，42，…，56，56，63])

sy=数组([78，94，20，…，44，38，34])

st=数组([1，1，1，…，293，293，293])

所有向量的长度都是一样的，因为它们本质上是一个表的一部分，其中sx是包含所有x位置的列，sy是所有y位置，st是试验编号(或x和y位置的列表ID)。st基本上是一组重复数[1,1,1,1,1,2,2,2,2,3,3,3,3，…]

(实际上，我使用HDF5/pytables来存储数据，它是从包含跟踪数据的表中直接读取的)

此解决方案使用interp1dfrom scipy.interpolate import interp1d

当然还有纽比

^{pr2}$

我承认这是一个黑客的解决方案，不是真的很快，但它的工作：)另一方面，重新阅读我自己的问题，使我认为这不是一个非常清楚的说明我的问题。。。对不起。不管怎样，这就是解决办法。在

下面的func接收我上面描述的3个vec，atrialList，它是一个要崩溃的试验列表，种类是你想要做的崩溃类型，现在可以是平均值或中位数。它将返回折叠轨迹，即平均值的x和y位置或三列曲线的中间值def collapseTrajectories(sx, sy, st, trialList, kind='median'):

# find the longest trial to use as template

l = 0

tr = []

for t in trialList:

if len(st[st==t]) > l:

l = len(st[st==t])

tr = t

# Make all vectors the same length by interpolating the values

xnew = np.linspace(0, 640, l)

ynew = np.linspace(0, 480, l)

sx_new = []

sy_new = []

for t in trialList:

if len(st[st==t]) > 3:

X = sx[st==t]

Y = sy[st==t]

x = np.linspace(0,640, len(X))

y = np.linspace(0,480,len(Y))

fx = interp1d(x, X, kind='cubic')

fy = interp1d(y, Y, kind='cubic')

sx_new.append(fx(xnew))

sy_new.append(fy(ynew))

# Collapse using the appropriate kind

if kind == 'median':

out_x = np.median(sx_new, axis=0)

out_y = np.median(sy_new, axis=0)

elif kind=='mean':

out_x = np.mean(sx_new, axis=0)

out_y = np.mean(sy_new, axis=0)

return out_x, out_y