如何使用NumPySciPy计算滚动移动平均值？

如何使用NumPy / SciPy计算滚动/移动平均值？

一种简单的方法是使用

np.convolve

。其背后的想法是利用离散卷积的计算方式，并使用它来返回
滚动平均值
。这可以通过

np.ones

对长度等于我们想要的滑动窗口长度的序列进行卷积来完成。

为此，我们可以定义以下函数：

def moving_average(x, w):    return np.convolve(x, np.ones(w), 'valid') / w

该函数将对序列

x

和长度为1的序列进行卷积

w

。请注意，选择的

mode

方式

valid

是仅对序列完全重叠的点给出卷积。

---

一些例子：

x = np.array([5,3,8,10,2,1,5,1,0,2])

对于具有窗口长度的移动平均值，

2

我们将有：

moving_average(x, 2)# array([4. , 5.5, 9. , 6. , 1.5, 3. , 3. , 0.5, 1. ])

对于一个长度的窗口

4

：

moving_average(x, 4)# array([6.5 , 5.75, 5.25, 4.5 , 2.25, 1.75, 2.  ])

---

convolve

工作如何？

让我们更深入地了解离散卷积的计算方式。以下功能旨在复制

np.convolve

计算输出值的方式：

def mov_avg(x, w):    for m in range(len(x)-(w-1)):        yield sum(np.ones(w) * x[m:m+w]) / w

对于上面的相同示例，这还将产生：

list(mov_avg(x, 2))# [4.0, 5.5, 9.0, 6.0, 1.5, 3.0, 3.0, 0.5, 1.0]

所以在每个步骤要做的是取一个数组与当前 窗口 之间的内积。在这种情况下，乘以

np.ones(w)

是多余的，因为我们直接取

sum

序列的。

波纹管是一个示例，该示例说明了如何计算第一个输出，从而使输出更加清晰。假设我们需要一个窗口

w=4

：

[1,1,1,1][5,3,8,10,2,1,5,1,0,2]= (1*5 + 1*3 + 1*8 + 1*10) / w = 6.5

并且以下输出将计算为：

  [1,1,1,1][5,3,8,10,2,1,5,1,0,2]= (1*3 + 1*8 + 1*10 + 1*2) / w = 5.75

依此类推，一旦执行了所有重叠 *** 作，就返回序列的移动平均值。