如何使用 NumPy 在 Python 中計算運行平均值（移動平均值）？

使用NumPy 在Python 中運行平均值

計算一維數組的運行平均值（也稱為移動平均值）是一項常見任務在資料分析中。 NumPy 提供了一個名為 np.convolve 的強大工具，用於執行卷積運算，包括運行平均值。

定義和實現：

運行平均值涉及沿輸入數組併計算每一步窗口內值的平均值。在NumPy 中，這是透過以下方式實現的：

import numpy as np

array = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
window_size = 3

result = np.convolve(array, np.ones(window_size) / window_size, mode='valid')

解釋：

• np.ones(window_size) 建立一個大小等於1 的數組視窗大小。
• np.ones(window_size) / window_size 標準化透過將每個元素除以視窗大小來產生數組，從而得到用於計算算術平均值的內核。
• np.convolve 取得內核並與輸入陣列進行卷積，執行滑動平均值計算。
• mode='valid' 指定只回傳數組中可以被視窗完全覆蓋的部分，從而得到size len(array) - window_size 的結果1.

邊緣處理：

np.convolve 中的mode參數控制在卷積過程中如何處理陣列的邊緣。可用模式有「完整」、「相同」和「有效」：

• 「完整」包括原始長度和附加零。
• 「相同」附加零，直到輸出形狀與輸入形狀相同。
• 'valid' 僅包含數組中可以完全覆蓋的部分視窗。

「有效」模式通常用於運行平均值，因為它提供的結果不包括陣列開頭和結尾的視窗部分。

範例：

在上面的範例中，結果將be:

[4.  5.  6.  7.  8.  9.]

這表示視窗大小為3 的輸入陣列的運行平均值。

以上是如何使用 NumPy 在 Python 中計算運行平均值（移動平均值）？的詳細內容。更多資訊請關注PHP中文網其他相關文章！