でこぼこの移動平均

構文：

次のようなさまざまな方法で移動平均を計算できます。

方法 1:

指定された配列の要素の合計を返します。 cumsum() の出力を配列のサイズで割ることにより、移動平均を計算できます。

方法 2:

以下のパラメータがあります。

a: 平均化される配列形式のデータ。

axis: データ型は int で、オプションのパラメーターです。

weight: これも配列であり、オプションのパラメーターです。 1-D 形状と同じ形状にすることができます。 1 次元の場合、a 配列と同じ長さでなければなりません。

NumPy には移動平均を計算する標準関数がないように見えるため、他の方法で実行できることに注意してください。

方法 3:

移動平均を計算するために使用できる別の方法は次のとおりです。

この構文では、a は最初の入力次元であり、v は 2 番目の入力次元値です。 Mode はオプションの値で、full、same、valid のいずれかです。

例 # 01:

さて、Numpy の移動平均について詳しく説明するために、例を挙げましょう。この例では、NumPy の convolve 関数で配列の移動平均を取り出します。したがって、要素として 1,2,3,4,5 を持つ配列「a」を取得します。次に、np.convolve 関数を呼び出し、その出力を「b」変数に格納します。その後、変数「b」の値を出力します。この関数は、入力配列の移動合計を計算します。出力を印刷して、出力が正しいかどうかを確認します。

その後、同じ convolve メソッドを使用して出力を移動平均に変換します。移動平均を計算するには、移動合計をサンプル数で割るだけです。しかし、ここでの主な問題は、これが移動平均であるため、現在の場所に応じてサンプル数が変化し続けることです。したがって、この問題を解決するには、単純に分母のリストを作成し、これを平均に変換する必要があります。

そのために、分母用に別の変数「denom」を初期化しました。範囲トリックを使用したリストの理解は簡単です。この配列には 5 つの異なる要素があるため、各場所のサンプル数は 1 から 5 になり、5 から 1 に戻ります。したがって、単純に 2 つのリストを一緒に追加し、それらを「denom」パラメーターに格納します。ここで、この変数を出力して、システムが真の分母を与えているかどうかを確認します。その後、移動合計を分母で割り、出力を「c」変数に格納して出力します。コードを実行して結果を確認しましょう。

コードが正常に実行されると、次の出力が得られます。最初の行では、「Moving Sum」を出力しました。元の配列と同じように、配列の先頭に「1」、末尾に「5」があることがわかります。残りの数値は、配列のさまざまな要素の合計です。

たとえば、配列の 3 番目のインデックスの 6 は、入力配列から 1、2、および 3 を追加した結果です。 4 番目のインデックスの 10 は、1、2、3、および 4 から得られます。15 は、すべての数を合計することから得られます。これで、出力の 2 行目に配列の分母が出力されました。

出力から、すべての分母が正確であることがわかります。つまり、分母を移動和配列で割ることができます。ここで、出力の最後の行に移動します。最後の行では、移動平均配列の最初の要素が 1 であることがわかります。1 の平均は 1 であるため、最初の要素は正しいです。 1+2/2 の平均は 1.5 になります。出力配列の 2 番目の要素が 1.5 であるため、2 番目の平均も正しいことがわかります。 1,2,3 の平均は 6/3=2 になります。また、出力が正しくなります。したがって、出力から、配列の移動平均の計算に成功したと言えます。

結論

このガイドでは、移動平均について学びました: 移動平均とは何か、その用途は何か、移動平均の計算方法.数学とプログラミングの両方の観点から詳細に研究しました。 NumPy には、移動平均を計算するための特定の関数やプロセスはありません。しかし、移動平均を計算できる他のさまざまな関数があります。移動平均を計算する例を作成し、例のすべてのステップを説明しました。移動平均は、既存のデータを利用して将来の結果を予測するための便利なアプローチです。