Python 中 NumPy 数组的滑动平均值

Python 9月前 1.5K

在本教程中，我们将讨论如何在 Python 中为 numpy 数组实现滑动平均。

使用 `numpy.convolve` 方法来计算 NumPy 数组的滑动平均值

convolve() 函数用于信号处理，可以返回两个数组的线性卷积。每个步骤要做的是取一个数组与当前窗口之间的内积并取它们的总和。

以下代码在用户定义的函数中实现了此函数。

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

data = np.array([10,5,8,9,15,22,26,11,15,16,18,7])

print(moving_average(data,4))

输出：

[ 8.    9.25 13.5  18.   18.5  18.5  17.   15.   14.  ]

使用 `scipy.convolve` 方法来计算 NumPy 数组的滑动平均值

我们也可以以同样的方式使用 scipy.convolve() 函数。假设它快一点。使用 numpy 模块计算滑动平均值的另一种方法是使用 cumsum() 函数。它计算数组的累加和。这是一种非常简单的非加权方法，用于计算滑动平均线。

以下代码使用此函数返回滑动平均线。

def moving_average(a, n) :
    ret = np.cumsum(a, dtype=float)
    ret[n:] = ret[n:] - ret[:-n]
    return ret[n - 1:] / n

data = np.array([10,5,8,9,15,22,26,11,15,16,18,7])

print(moving_average(data,4))

输出：

[ 8.    9.25 13.5  18.   18.5  18.5  17.   15.   14.  ]

使用 `bottleneck` 模块计算滑动平均值

bottleneck 模块是快速的 numpy 方法的编译。该模块具有 move_mean() 函数，该函数可以返回某些数据的滑动平均值。

例如，

import bottleneck as bn
import numpy as np
def rollavg_bottlneck(a,n):
    return bn.move_mean(a, window=n,min_count = None)

data = np.array([10,5,8,9,15,22,26,11,15,16,18,7])

print(rollavg_bottlneck(data, 4))

输出：

[  nan   nan   nan  8.    9.25 13.5  18.   18.5  18.5  17.   15.   14.  ]

由于时间窗口间隔为 4，因此在开始处存在三个 nan 值，因为无法为它们计算滑动平均值。

使用 `pandas` 模块计算滑动平均值

时间序列数据主要与 pandas DataFrame 相关联。因此，该库非常适合对此类数据执行不同的计算。

我们可以使用 rolling() 和 mean() 函数来计算时间序列数据的滑动平均值，如下所示。

import pandas as pd
import numpy as np

data = np.array([10,5,8,9,15,22,26,11,15,16,18,7])

d = pd.Series(data)

print(d.rolling(4).mean())

输出：

0       NaN
1       NaN
2       NaN
3      8.00
4      9.25
5     13.50
6     18.00
7     18.50
8     18.50
9     17.00
10    15.00
11    14.00
dtype: float64