如何使用 NumPy 在 Python 中计算运行平均值（移动平均值）？

使用 NumPy 在 Python 中运行平均值

计算一维数组的运行平均值（也称为移动平均值）是一项常见任务在数据分析中。 NumPy 提供了一个名为 np.convolve 的强大工具，用于执行卷积运算，包括运行平均值。

定义和实现：

运行平均值涉及沿输入数组并计算每一步窗口内值的平均值。在 NumPy 中，这是通过如下方式实现的：

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')

解释：

• np.ones(window_size) 创建一个大小等于 1 的数组窗口大小。
• np.ones(window_size) / window_size 标准化通过将每个元素除以窗口大小来生成数组，从而得到用于计算算术平均值的内核。
• np.convolve 获取内核并将其与输入数组进行卷积，执行滑动平均值计算。
• mode='valid' 指定只返回数组中可以被窗口完全覆盖的部分，从而得到 size len(array) - window_size 的结果1.

边缘处理：

np.convolve 中的 mode 参数控制在卷积过程中如何处理数组的边缘。可用模式有“完整”、“相同”和“有效”：

• “完整”包括原始长度和附加零。
• “相同”附加零，直到输出形状与输入形状相同。
• 'valid' 仅包含数组中可以完全覆盖的部分窗口。

“有效”模式通常用于运行平均值，因为它提供的结果不包括数组开头和结尾的窗口部分。

示例：

在上面的示例中，结果将be:

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

这表示窗口大小为 3 的输入数组的运行平均值。

以上是如何使用 NumPy 在 Python 中计算运行平均值（移动平均值）？的详细内容。更多信息请关注PHP中文网其他相关文章！