Bagaimana untuk Mengira Min Larian dengan Cekap dalam NumPy?

Mengira Min Larian dalam NumPy dan SciPy

Dalam analisis data, pengiraan min berjalan, juga dikenali sebagai purata bergerak, adalah perkara biasa operasi yang melancarkan turun naik dalam siri masa. Teknik ini melibatkan gelongsor tetingkap saiz yang ditentukan di sepanjang tatasusunan input dan mengira min nilai dalam tetingkap pada setiap langkah.

Pendekatan NumPy

NumPy, perpustakaan terkenal untuk pengkomputeran saintifik dalam Python, menyediakan kaedah yang mudah untuk mengira min berjalan. Dengan menggunakan fungsi np.convolve, kami boleh menggunakan operasi lilitan dengan cekap untuk mencapai matlamat ini. Berikut ialah kodnya:

import numpy as np

# Define the input array
array = np.array([1, 2, 3, 4, 5])

# Specify the window size
window_size = 3

# Calculate the running mean using convolution
running_mean = np.convolve(array, np.ones(window_size) / window_size, mode='valid')

Memahami Operasi Konvolusi

Operasi konvolusi pada asasnya melaksanakan jumlah wajaran nilai dalam tetingkap. Untuk min berjalan, kami menggunakan kernel seragam, di mana setiap berat adalah 1/window_size. Ini memastikan bahawa semua nilai dalam tetingkap menyumbang sama rata kepada min yang dikira.

Mengendalikan Kesan Sempadan

Parameter mod dalam np.convolve menentukan cara kesan sempadan dikendalikan semasa lilitan itu. Mod 'sah' mengembalikan hasil di mana operasi lilitan tidak mempunyai pengaruh pada saiz tatasusunan. Ini bermakna min berjalan akan mempunyai panjang yang sama dengan tatasusunan input tolak saiz tetingkap, dengan berkesan mengabaikan nilai di tepi. Jika anda perlu mengendalikan kesan sempadan secara berbeza, anda boleh meneroka mod lain yang disokong oleh np.convolve, seperti 'penuh' atau 'sama'.

Jadi, dengan menggunakan keupayaan lilitan NumPy, kami boleh mengira larian dengan cekap min tatasusunan 1D, memberikan anda alat untuk melicinkan dan menganalisis data siri masa dengan mudah.

Atas ialah kandungan terperinci Bagaimana untuk Mengira Min Larian dengan Cekap dalam NumPy?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!