使用 Python 和 NumPy/SciPy 接近移动平均线
尽管移动平均线在数据分析中很流行，但在 NumPy 或 SciPy 中实现它们已经由于缺乏专门的职能，这被证明是一个挑战。这引发了复杂的解决方案，并引发了关于这种遗漏原因的疑问。
使用 NumPy 简化实现
对于基本的、未加权的移动平均线，一个简单的实现使用 NumPy 的 np.cumsum 函数成为一种可行的选择。这种方法在效率方面甚至超越了基于 FFT 的方法：
def moving_average(a, n=3):
ret = np.cumsum(a, dtype=float)
ret[n:] = ret[n:] - ret[:-n]
return ret[n - 1:] / n此函数可以顺利计算指定窗口大小的移动平均值。
问题仍然存在：为什么没有内置 -
考虑到实现的简便性，NumPy 中缺乏内置移动平均函数可能会引起人们的注意。然而，答案在于 NumPy 专注于提供核心数值运算，同时将专门的功能留给外部库。这使得 NumPy 能够保持精简和高效，为更定制的包留出空间来满足特定的分析需求。
以上是为什么 NumPy 中没有内置移动平均函数？的详细内容。更多信息请关注PHP中文网其他相关文章！
