Python/Numpy:有没有一种有效的方法来计算多个窗口的移动平均值？
是的，Python中的Numpy库提供了一种有效的方法来计算多个窗口的移动平均值。可以使用Numpy的convolve函数来实现这个功能。
首先，我们需要定义一个窗口大小，然后使用Numpy的ones函数创建一个长度为窗口大小的全1数组作为卷积核。接下来，使用convolve函数将卷积核应用于待处理的数据，得到移动平均值。
以下是一个示例代码：
import numpy as np
def moving_average(data, window_size):
# 创建卷积核
kernel = np.ones(window_size) / window_size
# 使用convolve函数计算移动平均值
return np.convolve(data, kernel, mode='valid')
# 示例数据
data = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
window_size = 3
# 计算移动平均值
result = moving_average(data, window_size)
print(result)输出结果为：
[2. 3. 4. 5. 6. 7. 8.]这里的窗口大小为3，计算得到的移动平均值为每个窗口内的数据的平均值。
推荐的腾讯云相关产品：腾讯云服务器（CVM）和腾讯云函数（SCF）。腾讯云服务器提供了稳定可靠的云服务器实例，可以用于部署和运行Python代码。腾讯云函数是一种无服务器计算服务，可以按需执行Python函数，非常适合处理轻量级任务。
腾讯云服务器产品介绍链接：https://cloud.tencent.com/product/cvm
腾讯云函数产品介绍链接：https://cloud.tencent.com/product/scf
相关·内容
1回答
我有一个形状(4, 30, 13, 7000)的numpy数组。这是实验数据。前三个维度表示实验条件。最后一个维度代表前三个维度的每个组合的7000毫秒。因此，数组中有1560个7000ms列表。 我已经构建了一个滑动窗口均值函数，我对每7000ms列表执行一次： def windowed_mean(4D_list)
for trial in 4D_list:
for neuron in trial:
for timebin in neuron:
chunk = timebin #chunk equals ev
浏览 12提问于2021-01-07得票数 0
我有一个2d的python列表，我想画出移动平均值。因此，对于列表中的每个列表，我想分别计算移动平均值。我不知道如何应用滚动的名单，如潘达斯df。
我首先将我的2d列表转换为数字。
value_list = [pd.to_numeric(lst, errors='ignore') for lst in value_list]
我的输入是这个value_list = [[1,2,3,4,6,2,1,5,2,13,14],[4,5,6,12,32,42,75],[7,8,9,83,12,16]]
我想要的输出
value_list = [[1.5,2.5,3.5,5,4,1.5,3
浏览 6提问于2022-04-13得票数 1
回答已采纳
我正在编写一个移动平均函数，它使用numpy中的卷积函数，它应该等同于一个()。当我的权重都相等时(就像在一个简单的算术平均值中)，它工作得很好：
data = numpy.arange(1,11)
numdays = 5
w = [1.0/numdays]*numdays
numpy.convolve(data,w,'valid')
给出
array([ 3., 4., 5., 6., 7., 8.])
但是，当我尝试使用加权平均值时
w = numpy.cumsum(numpy.ones(numdays,dtype=float),axis=0); w = w/nu
浏览 0提问于2012-10-10得票数 13
回答已采纳
1回答
在如何获得移动平均值方面有很多有用的答案。我尝试过两种方法: numpy卷积和numpy累积和，这两种方法在一个示例数据集上都工作得很好，但在我的实际数据上产生了一个更短的数组。
数据用0.01进行空间划分。示例数据集的长度为50，实际数据为数万。所以，一定是因为窗口的大小引起了问题，我不太明白这些函数是怎么回事。
我是这样定义函数的：
def smoothMAcum(depth,temp, scale): # Moving average by cumsum, scale = window size in m
dz = np.diff(depth)
N = int(sca
浏览 5提问于2017-11-25得票数 1
回答已采纳
3回答
我有一个非常大的numpy数组(100万个整数)。我使用np.convolve来查找数组中“最密集”的区域。所谓“最卑劣的”区域，我指的是一个固定长度的窗口，当这个窗口被加起来时，它的数值是最高的。让我给你看看密码：
import numpy as np
example = np.array([0,0,0,1,1,1,1,1,1,1,0,1,1,1,1,0,0,0,1,0,0,1,1,0,1,0,0,0,0,0,1,0])
window_size = 10
density = np.convolve(example, np.ones([window_size]), mode='val
浏览 2提问于2018-11-30得票数 6
回答已采纳
6回答
我又开始用Python玩了，我找到了一本有例子的书。其中一个例子是绘制一些数据。我有一个包含两列的.txt文件，我有数据。我绘制了很好的数据，但在练习中它说:进一步修改程序，计算和绘制数据的运行平均值，定义如下：
$Y_k=\frac{1}{2r}\sum_{m=-r}^r y_{k+m}$
在这种情况下，r=5 ( y_k是数据文件中的第二列)。在同一张图上绘制程序的原始数据和运行平均值。
到目前为止我有这样的想法：
from pylab import plot, ylim, xlim, show, xlabel, ylabel
from numpy import linspace, loa
浏览 3提问于2012-07-05得票数 58
回答已采纳
1回答
我编写了一个Fortran函数，它以非常简单的方式计算一维数字数组的移动平均值：
function moving_average(data, w)
implicit none
integer, intent(in) :: w
real(8), intent(in) :: data(:)
integer :: n, i
real(8) :: moving_average(size(data)-w+1)
n = w-1
do i=1, size(data)-n
moving_average(i) = mean(dat
浏览 4提问于2019-09-18得票数 3
回答已采纳
1回答
我试图对python中的数据集执行一个简单的匹配过滤操作(所以我尝试了共轭和卷积)。然而，在卷积函数中显示了一条错误消息，称为object too deep for desired array。下面是我使用的代码：
import numpy as np
import cPickle
import matplotlib.pyplot as plt
with open('meteor2.pkl', 'rb') as f:
data = cPickle.load(f)
vlt = data['vlt']
mf
浏览 2提问于2013-05-15得票数 0
2回答
从skimage中提取gabor滤波器的例子，计算图像的gabor滤波器很容易：
import numpy as np
from scipy import ndimage as nd
from skimage import data
from skimage.util import img_as_float
from skimage.filter import gabor_kernel
brick = img_as_float(data.load('brick.png'))
kernel = np.real(gabor_kernel(0.15, theta = 0.5
浏览 2提问于2014-06-21得票数 3
我做了一些代码，在这里我需要绘制一个图表，其中我的数据被标记为移动平均值。
import numpy as np
import csv
import datetime
import matplotlib.pyplot as plt
#Open Data/File
data = open('iphonevsandroid.csv', 'r')
reader = csv.reader(data, delimiter=',')
#Define lists
iphone_data = []
android_data = []
dateTime = [
浏览 2提问于2014-03-03得票数 0
回答已采纳
1回答
矢量滚动意味着？
、、、
我已经知道卷积了，我已经做过了。然而，我听说它可以更快。
数据-例如：
0 2
1 1
2 0
3 0
4 2
5 2
6 1
7 4
8 2
9 3
输出：
0 NaN
1 NaN
2 NaN
3 NaN
4 1.0
5 1.0
6 1.0
7 1.8
8 2.2
9 2.4
我现在已经提出的解决办法：
df["x"].rolling(5).mean()
而不是有卷积的解：
c = np.convolve(df["x"], np.ones(5
浏览 5提问于2022-01-04得票数 -1
1回答
请考虑以下python代码
import matplotlib.pyplot as plt
import numpy as np
#创建一些数据来绘制。
dt = 0.001
t = np.arange(0.0,100,dt)
r = np.exp(-t[:1000]/0.05)
x = np.random.randn(len(t))
s = np.convolve(x,r)[:len(x)]*dt
代码编译和运行，我很大程度上理解它在做什么。但是，我对代码':len(x)‘实际上正在做的事情感到困惑。如果我将's‘截断为'np.convolve(x，r)*dt'
浏览 0提问于2021-04-09得票数 0
回答已采纳
我的任务是将"1-2-1“过滤器应用于numpy数组，并返回已过滤数据的数组。，不使用for循环，循环或列表理解。
"1-2-1“过滤器将数据的每个点映射到它自己和它的邻居的平均值。例如，如果某个时候数据包含...1，4，3.应用"1-2-1“过滤器后，用(1 +4+4+ 3) /4= 12 /4= 3代替4。
例如，numpy数组[1, 1, 4, 3, 2]
应用过滤器后，会产生一个numpy数组[1. 1.75 3. 3. 2. ]吗？
由于数据的端点没有两个邻居，所以1-2-1过滤器只应用于内部len( data ) -2点，使端点保持不变。
本质
浏览 0提问于2021-04-25得票数 1
回答已采纳
2回答
理解NumPy的Convolve
、、、、
当计算一个简单的移动平均线时，numpy.convolve似乎完成了这项工作。
问题：，当您使用np.convolve(values, weights, 'valid')时，计算是如何完成的？
当文档提到convolution product is only given for points where the signals overlap completely时，这两个信号所指的是什么？
如果任何解释可以包括例子和插图，它将是非常有用的。
window = 10
weights = np.repeat(1.0, window)/window
smas = np.convol
浏览 2提问于2013-11-17得票数 91
3回答
我需要帮助在我已经能够绘制的数据上绘制移动平均线(见下文)
我试图使m(我的移动平均线)等于y(我的数据)的长度，然后在我的' for‘循环中，我似乎对我的移动平均线有了正确的数学计算。
工作原理:绘制x和y
不起作用的地方:在x&y上绘制m，并给出这个错误
RuntimeWarning:在double_scalars中遇到无效值
我的理论是:我将m设置为np.arrays = y.shape，然后创建我的for循环，使m等于循环中设置的数学值，从而将所有0替换为移动平均值
import numpy as np
import matplotlib.pyplot as plt
i
浏览 3提问于2013-08-18得票数 3
我的数据由一个时间数组组成，每秒有10个数据点，每个时间对应一个强度值数组。所以，举个例子，假设我有：
times = np.arange(0,100,0.1)
intensities = np.random.rand(len(times))
我想看看如果我使用更长的平均时间，数据会是什么样子，所以我想创建一些盒子，比如1秒，5秒和10秒，并对这些新盒子中的强度值进行平均。在numpy中做这件事的最好方法是什么？(或者其他python包，但我假设numpy/scipy有适合我的东西。)我可以使用for循环，但我希望有更好的方法。谢谢!
浏览 2提问于2013-04-12得票数 1
回答已采纳
1回答
我正试图使用不对称权重计算S3x3移动平均线，正如本中所描述的那样，我不确定在从MatLab转换时，我对以下内容的解释是否正确：
我用同样的方式建立矩阵了吗？
在这种情况下，是否与MatLab的相同？
为什么我的身材这么差？！
在MatLab中，给出了过滤器并将其应用于：
% S3x3 seasonal filter
% Symmetric weights
sW3 = [1/9;2/9;1/3;2/9;1/9];
% Asymmetric weights for end of series
aW3 = [.259 .407;.37 .407;.259 .185;.111 0
浏览 1提问于2015-06-30得票数 1
回答已采纳
3回答
我要计算三个元素的移动平均值。
例如，我有25个销售数据元素。我需要计算这25个数据的平均移动平均值。
当一个真正的数组作为数据给出时，我想编写一个程序来确定一个3元素的移动平均值，并创建一个数组。数组中的元素数比给定的序列短2个元素。例如，如果我被给予：
[7.0, 9.0, 5.0, 1.0, 3.0]
我想要：
[7.0, 5.0, 3.0]
浏览 4提问于2016-03-02得票数 1
回答已采纳
2回答
我正在尝试为2D数组的每一行计算一个简单的移动平均值。每行中的数据是一个单独的数据集，因此我不能只计算整个阵列上的SMA，我需要在每行中单独计算。我尝试过for循环，但它将窗口作为行，而不是单个值。 我用来计算SMA的公式是: a1+a2+...an/n这是我到目前为止的代码： import numpy as np
#make amplitude array
amplitude=[0,1,2,3, 5.5, 6,5,2,2, 4, 2,3,1,6.5,5,7,1,2,2,3,8,4,9,2,3,4,8,4,9,3]
#split array up into a line for
浏览 10提问于2020-04-30得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储活动推荐
腾讯云开发者
