Comment effectuer efficacement des calculs de fenêtre glissante pour les tableaux 1D dans NumPy ?

Implémentation de calculs de fenêtre glissante pour les tableaux 1D dans NumPy

Les calculs de fenêtre glissante impliquent l'application itérative d'une fonction aux sous-ensembles d'un tableau donné. Dans ce contexte, la question se concentre sur la recherche d'un moyen efficace d'effectuer des calculs de fenêtre glissante pour des tableaux unidimensionnels (1D) dans la bibliothèque Python NumPy.

Pour y parvenir, vous pouvez exploiter la fonction Rolling_window à partir d'un blog. message référencé dans le problème. Cependant, cette fonction est conçue pour les tableaux multidimensionnels, elle nécessite donc une certaine adaptation pour fonctionner avec des tableaux 1D.

L'idée clé est d'appliquer la fonction souhaitée au résultat de la fonction Rolling_window. Par exemple, si vous souhaitez calculer l'écart type glissant, vous pouvez utiliser le code suivant :

<code class="python">import numpy as np

def rolling_window(a, window):
    shape = a.shape[:-1] + (a.shape[-1] - window + 1, window)
    strides = a.strides + (a.strides[-1],)
    return np.lib.stride_tricks.as_strided(a, shape=shape, strides=strides)

observations = [1, 2, 3, 4, 5, 6, 7]
n = 3  # window length

rolling_std = np.std(rolling_window(observations, n), 1)</code>

Dans cet exemple, la fonction Rolling_window crée une fenêtre glissante de taille n sur le tableau d'observations. La fonction np.std calcule ensuite l'écart type pour chaque fenêtre et stocke les résultats dans le tableau Rolling_std.

Cette approche utilise les opérations de tableau efficaces de NumPy pour effectuer de manière transparente des calculs de fenêtre déroulante sans avoir besoin de boucles Python explicites.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!