移动平均线或移动平均线

Question

是否有用于 Python 的 SciPy 函数或 NumPy 函数或模块来计算给定特定窗口的一维数组的运行平均值？

原文由 Shejo284 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

对于一个简短、快速的解决方案，它在一个循环中完成整个事情，没有依赖关系，下面的代码效果很好。

 mylist = [1, 2, 3, 4, 5, 6, 7]
N = 3
cumsum, moving_aves = [0], []

for i, x in enumerate(mylist, 1):
    cumsum.append(cumsum[i-1] + x)
    if i>=N:
        moving_ave = (cumsum[i] - cumsum[i-N])/N
        #can do stuff with moving_ave here
        moving_aves.append(moving_ave)

原文由 Aikude 发布，翻译遵循 CC BY-SA 3.0 许可协议

Answer 2

更新： 已经提出了更有效的解决方案， uniform_filter1d 来自 scipy 可能是“标准”第 3 方库中最好的，一些更新的或专门的库也可用。

---

您可以为此使用 np.convolve ：

 np.convolve(x, np.ones(N)/N, mode='valid')

解释

运行平均值是 卷积 数学运算的一个例子。对于运行平均值，您沿着输入滑动一个窗口并计算窗口内容的平均值。对于离散的一维信号，卷积是一样的，除了计算任意线性组合而不是平均值，即，将每个元素乘以相应的系数并将结果相加。这些系数（窗口中的每个位置一个）有时称为卷积 _核_。 N 个值的算术平均值为 (x_1 + x_2 + ... + x_N) / N ，因此对应的内核为 (1/N, 1/N, ..., 1/N) ，这正是我们使用 np.ones(N)/N 得到的结果

边缘

mode np.convolve 指定了如何处理边缘。我在这里选择了 valid 模式，因为我认为这是大多数人期望运行平均值的方式，但您可能有其他优先事项。这是说明模式之间差异的图表：

 import numpy as np
import matplotlib.pyplot as plt
modes = ['full', 'same', 'valid']
for m in modes:
    plt.plot(np.convolve(np.ones(200), np.ones(50)/50, mode=m));
plt.axis([-10, 251, -.1, 1.1]);
plt.legend(modes, loc='lower center');
plt.show()

原文由 lapis 发布，翻译遵循 CC BY-SA 4.0 许可协议