Heim Backend-Entwicklung Python-Tutorial Wie berechnet man einen laufenden Mittelwert eines 1D-Arrays mit der Funktion „np.convolve' von NumPy?

Wie berechnet man einen laufenden Mittelwert eines 1D-Arrays mit der Funktion „np.convolve' von NumPy?

Dec 01, 2024 am 06:50 AM

How to Calculate a Running Mean of a 1D Array Using NumPy's `np.convolve` Function?

So berechnen Sie den laufenden Mittelwert eines 1D-Arrays mit SciPy oder NumPy

Der laufende Mittelwert, auch als gleitender Durchschnitt bekannt, ist a Statistisches Maß, das den Mittelwert einer Teilmenge von Datenpunkten innerhalb eines bestimmten Fensters berechnet, während das Fenster über die Daten gleitet. In Python gibt es mehrere Möglichkeiten, den laufenden Mittelwert mithilfe der SciPy- und NumPy-Funktionen zu berechnen.

SciPy-Funktion

SciPy verfügt nicht über eine spezielle Funktion zur Berechnung des laufenden Mittelwerts . Sie können jedoch die Funktion np.convolve von NumPy verwenden, um die Berechnung des laufenden Mittelwerts zu implementieren.

NumPy-Funktion

Die Funktion np.convolve von NumPy führt Faltungsoperationen durch. Unter Faltung im Kontext des laufenden Mittelwerts versteht man den Prozess, bei dem ein Kernel auf die Daten angewendet und die Ergebnisse summiert werden. Zur Berechnung des laufenden Mittelwerts ist der Kernel eine gleichmäßige Verteilung, die jedem Datenpunkt innerhalb des Fensters das gleiche Gewicht verleiht.

Um np.convolve für den laufenden Mittelwert zu verwenden, können Sie den folgenden Code verwenden:

running_mean = np.convolve(array, np.ones(window_size) / window_size, mode='valid')
Nach dem Login kopieren

wobei:

  • array das 1D-Array ist, für das Sie den Lauf berechnen möchten Mittelwert.
  • window_size ist die Größe des Fensters, über das der Mittelwert berechnet wird.
  • mode='valid' gibt an, dass die Kanten des Arrays ignoriert werden, was zu einem Ausgabearray führt um window_size kürzer als das Eingabearray - 1.

Erklärung

Das np.ones(window_size) / window_size erstellt einen Kernel mit einheitlichen Gewichten. np.convolve wendet diesen Kernel auf das Array an, was zu einem Array von Mittelwerten für jedes Fenster führt. Das Argument mode='valid' stellt sicher, dass die Kanten des Arrays nicht in die Berechnung einbezogen werden, wodurch ein Ausgabearray erzeugt wird, das den laufenden Mittelwert über die gesamten Daten widerspiegelt.

Kantenbehandlung

Das mode-Argument von np.convolve gibt an, wie mit den Kanten des Arrays umgegangen wird. Unterschiedliche Modi führen zu unterschiedlichem Kantenverhalten. In der folgenden Tabelle sind die häufig verwendeten Modi aufgeführt:

Mode Edge Handling
full Pads the array with zeros and returns an output array that is the same size as the input array.
same Pads the array with zeros to match the kernel size and returns an output array that is the same size as the input array.
valid Ignores the edges of the array, resulting in an output array that is shorter than the input array.

Die Wahl des Modus hängt von Ihren spezifischen Anforderungen und der gewünschten Interpretation für den laufenden Mittelwert an den Rändern des Arrays ab.

Das obige ist der detaillierte Inhalt vonWie berechnet man einen laufenden Mittelwert eines 1D-Arrays mit der Funktion „np.convolve' von NumPy?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Erklärung dieser Website
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn

Heiße Artikel -Tags

Notepad++7.3.1

Notepad++7.3.1

Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version

SublimeText3 chinesische Version

Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1

Senden Sie Studio 13.0.1

Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6

Dreamweaver CS6

Visuelle Webentwicklungstools

SublimeText3 Mac-Version

SublimeText3 Mac-Version

Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Wie benutze ich eine schöne Suppe, um HTML zu analysieren? Wie benutze ich eine schöne Suppe, um HTML zu analysieren? Mar 10, 2025 pm 06:54 PM

Wie benutze ich eine schöne Suppe, um HTML zu analysieren?

Bildfilterung in Python Bildfilterung in Python Mar 03, 2025 am 09:44 AM

Bildfilterung in Python

So verwenden Sie Python, um die ZiPF -Verteilung einer Textdatei zu finden So verwenden Sie Python, um die ZiPF -Verteilung einer Textdatei zu finden Mar 05, 2025 am 09:58 AM

So verwenden Sie Python, um die ZiPF -Verteilung einer Textdatei zu finden

Wie man mit PDF -Dokumenten mit Python arbeitet Wie man mit PDF -Dokumenten mit Python arbeitet Mar 02, 2025 am 09:54 AM

Wie man mit PDF -Dokumenten mit Python arbeitet

Wie kann man mit Redis in Django -Anwendungen zwischenstrichen Wie kann man mit Redis in Django -Anwendungen zwischenstrichen Mar 02, 2025 am 10:10 AM

Wie kann man mit Redis in Django -Anwendungen zwischenstrichen

Wie führe ich ein tiefes Lernen mit Tensorflow oder Pytorch durch? Wie führe ich ein tiefes Lernen mit Tensorflow oder Pytorch durch? Mar 10, 2025 pm 06:52 PM

Wie führe ich ein tiefes Lernen mit Tensorflow oder Pytorch durch?

So implementieren Sie Ihre eigene Datenstruktur in Python So implementieren Sie Ihre eigene Datenstruktur in Python Mar 03, 2025 am 09:28 AM

So implementieren Sie Ihre eigene Datenstruktur in Python

Einführung in die parallele und gleichzeitige Programmierung in Python Einführung in die parallele und gleichzeitige Programmierung in Python Mar 03, 2025 am 10:32 AM

Einführung in die parallele und gleichzeitige Programmierung in Python

See all articles