NumPy 또는 SciPy를 사용하여 Python에서 실행 평균을 효율적으로 계산하는 방법은 무엇입니까?

NumPy 또는 SciPy를 사용하여 실행 평균 계산

데이터 분석을 수행할 때 1D 배열에 대한 실행 평균(이동 평균이라고도 함)을 계산하는 것은 일반적인 작업입니다. Python의 SciPy 및 NumPy 라이브러리는 이러한 목적을 위해 여러 기능을 제공합니다.

NumPy 솔루션

NumPy의 np.convolve 기능을 활용하여 평균 계산을 실행할 수 있습니다. 커널은 원하는 창 크기를 나타내는 균일한 분포인 입력 배열에서 컨볼루션 연산을 계산합니다.

np.convolve(x, np.ones(N)/N, mode='valid')

여기서:

• x는 입력 1D 배열입니다
• N은 창 크기입니다
• mode='valid'는 가장자리를 예상대로 처리합니다(출력 길이는 입력 길이와 같습니다). 마이너스 창 크기)

계산 이해

실행 평균은 본질적으로 창 계수가 모두 1/N으로 설정된 컨볼루션 연산입니다. 따라서 NumPy의 컨볼루션 기능을 사용하는 것은 계산상 효율적입니다.

엣지 처리 모드

np.convolve는 세 가지 엣지 처리 모드를 제공합니다:

• full : 패딩하여 입력 배열을 확장합니다. zeros
• same: 양쪽 끝을 0으로 채워서 입력과 동일한 길이의 배열을 출력합니다.
• valid: 모서리를 무시하고 배열을 출력합니다. 길이 (len(input) - window_size 1)

모드가 설정되었습니다 일반적으로 평균 계산 실행의 직관적인 동작과 일치하기 때문에 기본적으로 유효하지만 특정 요구 사항에 따라 다른 모드를 사용할 수도 있습니다.

위 내용은 NumPy 또는 SciPy를 사용하여 Python에서 실행 평균을 효율적으로 계산하는 방법은 무엇입니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!