如何使用 NumPy 在 Python 中高效計算滾動平均值？

使用NumPy / SciPy 在Python 中計算滾動/移動平均值

儘管NumPy 和SciPy 具有廣泛的功能，但計算平均移動的功能值可以這是一項極為複雜的任務。本文透過使用 NumPy 的 np.cumsum 提供一個易於實現的解決方案來解決這個問題。

使用 NumPy 實現移動平均最簡單的方法

對於一個簡單的非-加權移動平均值，np.cumsum提供了一個有效的解決方案：

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

性能和簡單性

此方法提供高效能，因為它利用了NumPy 優化的np.cumsum函數，在某些情況下優於基於FFT 的方法。此外，它避免了與複雜演算法相關的潛在錯誤，使其高度可靠。

在NumPy 中排除移動平均功能的理由

儘管它看起來很實用，但可能存在從核心NumPy 中排除移動平均功能的正當理由：

• 簡單性優於功能：NumPy努力保留簡單而緊湊的核心，避免專門函數造成不必要的膨脹。
• 使用者實作的解決方案的可用性：如上所述，使用 NumPy 實現移動平均值非常簡單，因此無需重複庫中的功能。

以上是如何使用 NumPy 在 Python 中高效計算滾動平均值？的詳細內容。更多資訊請關注PHP中文網其他相關文章！