NumPy에 이동 평균 기능이 내장되어 있지 않은 이유는 무엇입니까?

Python과 NumPy를 사용한 단순화된 이동 평균 계산

데이터 계열의 이동 평균 또는 이동 평균을 계산하는 것은 노이즈를 평활화하고 동향을 식별합니다. NumPy/SciPy에는 전용 이동 평균 기능이 없지만 이를 수동으로 구현하는 것은 놀라울 정도로 간단합니다.

NumPy로 가장 쉬운 구현

NumPy의 cumsum 기능을 사용하면 간단하고 가중치가 적용되지 않는 이동 평균은 효율적으로 구현할 수 있습니다.

def moving_average(a, n=3):
    ret = np.cumsum(a, dtype=float)
    ret[n:] = ret[n:] - ret[:-n]
    return ret[n - 1:] / n

이 구현은 다음을 제공합니다. 원하는 창 크기에 대한 이동 평균을 계산하는 빠르고 정확한 방법입니다.

배터리 포함과 구현

내장 이동 평균 기능이 없음 NumPy/SciPy는 편재성을 고려하면 이상하게 보일 수 있습니다. 그러나 여기에는 몇 가지 잠재적인 이유가 있습니다.

• 구현의 단순성: 위에서 설명한 것처럼 이동 평균은 표준 NumPy 함수를 사용하여 쉽게 구현할 수 있습니다.
• 계산 효율성: cumsum 방법은 더 복잡한 FFT 기반 접근 방식보다 빠른 경우가 많습니다.
• 잠재적 팽창: 모든 항목에 대한 특수 기능 포함 상상할 수 있는 데이터 분석 작업으로 인해 NumPy/SciPy 라이브러리가 팽창할 수 있습니다.

위 내용은 NumPy에 이동 평균 기능이 내장되어 있지 않은 이유는 무엇입니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!