NumPy で 1D 配列のローリング ウィンドウ計算を効率的に実行するにはどうすればよいですか?

Mary-Kate Olsen
リリース: 2024-10-31 12:24:30
オリジナル
820 人が閲覧しました

How to Efficiently Perform Rolling Window Calculations for 1D Arrays in NumPy?

NumPy での 1D 配列のローリング ウィンドウ計算の実装

ローリング ウィンドウ計算では、指定された配列のサブセットに関数を繰り返し適用します。この文脈での質問は、Python ライブラリ NumPy で 1 次元 (1D) 配列のローリング ウィンドウ計算を実行する効率的な方法を見つけることに焦点を当てています。

これを実現するには、ブログの Rolling_window 関数を利用できます。問題で参照されている投稿。ただし、この関数は多次元配列用に設計されているため、1D 配列を操作するには多少の調整が必要です。

重要なアイデアは、目的の関数を rolling_window 関数の結果に適用することです。たとえば、ローリング標準偏差を計算する場合は、次のコードを使用できます。

<code class="python">import numpy as np

def rolling_window(a, window):
    shape = a.shape[:-1] + (a.shape[-1] - window + 1, window)
    strides = a.strides + (a.strides[-1],)
    return np.lib.stride_tricks.as_strided(a, shape=shape, strides=strides)

observations = [1, 2, 3, 4, 5, 6, 7]
n = 3  # window length

rolling_std = np.std(rolling_window(observations, n), 1)</code>
ログイン後にコピー

この例では、rolling_window 関数は、観測値配列上にサイズ n のスライディング ウィンドウを作成します。次に、np.std 関数は各ウィンドウの標準偏差を計算し、その結果を Rolling_std 配列に保存します。

このアプローチでは、NumPy の効率的な配列操作を利用して、明示的な Python ループを必要とせずにローリング ウィンドウの計算をシームレスに実行します。

以上がNumPy で 1D 配列のローリング ウィンドウ計算を効率的に実行するにはどうすればよいですか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ソース:php.cn
このウェブサイトの声明
この記事の内容はネチズンが自主的に寄稿したものであり、著作権は原著者に帰属します。このサイトは、それに相当する法的責任を負いません。盗作または侵害の疑いのあるコンテンツを見つけた場合は、admin@php.cn までご連絡ください。
著者別の最新記事
人気のチュートリアル
詳細>
最新のダウンロード
詳細>
ウェブエフェクト
公式サイト
サイト素材
フロントエンドテンプレート