如何使用 NumPy 或 SciPy 在 Python 中高效計算運行平均值？

使用NumPy 或SciPy 計算運行平均值

在進行數據分析時，計算一維數組的運行平均值（也稱為移動平均值）是常見操作。 Python 的 SciPy 和 NumPy 函式庫為此目的提供了多個函數。

NumPy 解

NumPy 的 np.convolve 函數可用於執行平均值計算。它在輸入數組上計算卷積運算，其中內核是表示所需視窗大小的均勻分佈。

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

其中：

• x 是輸入一維數組
• N 是視窗大小
• mode='valid'以預期處理邊緣（輸出長度等於輸入長度減去視窗大小）

理解計算

運行均值本質上是一個卷積運算，其中視窗係數全部設定為1/ N。因此，使用 NumPy 的捲積函數在計算上是高效率的。

邊緣處理模式

np.convolve 提供了三種邊緣處理模式：

• full ：透過填滿來擴充輸入陣列Zeros
• same：透過兩端補零，輸出與輸入長度相同的陣列
• valid：忽略🎜>

valid

：忽略🎜>

valid：忽略邊緣並輸出數組長度(len(input) - window_size 1)模式設定為預設情況下有效，因為它通常與運行平均值計算的直觀行為一致，但可以根據具體要求使用其他模式。

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