为什么 NumPy 没有内置移动平均函数？

使用 Python 和 NumPy 简化移动平均计算

计算数据序列的移动平均值或滚动平均值对于平滑噪声和平滑噪声至关重要。识别趋势。虽然 NumPy/SciPy 缺乏专用的移动平均函数，但手动实现它却非常简单。

使用 NumPy 最简单的实现

使用 NumPy 的 cumsum 函数，一个简单的非加权函数移动平均可以高效实现：

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

这个实现提供了一种快速准确的方法来计算任何所需窗口大小的移动平均值。

包含在电池中与实施

缺乏内置移动平均函数考虑到 NumPy/SciPy 的普遍存在，它可能看起来很奇怪。然而，这有几个潜在的原因：

• 实现简单：如上所述，移动平均线可以使用标准 NumPy 函数轻松实现。
• 计算效率： cumsum 方法通常比更复杂的基于 FFT 的方法更快。
• 潜在的膨胀：包括每个函数的专门函数可以想象的数据分析任务可能会导致 NumPy/SciPy 库膨胀。

以上是为什么 NumPy 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！