mvgavg 0.0.3

为什么？？

到目前为止，numpy还没有内置移动平均值函数。 大多数解决方案都是乏味而复杂的。这个解决方案非常好。 它的操作类似于wolfram语言的movingaverage[]函数，但是 其优点是它可以指定轴（WordfRAM与 F[Y]和A//@ 无关。 但这是另一个故事）。

用法

有关示例，请参见文档。但实际上，它的用法是：

from mvgavg import mvgavg

mvgavg(array, n, axis=0, weights = [list of weights])
mvgavg(array, n, axis=0, binning = bool)

此代码的作用

考虑数组[a，b，c，d，…x，y，z]。取移动平均值 长度n=3产生一个新数组，其中第一个元素是（a+b+c）/3 第二个（b+c+d）/3等。这可以对任意深度的阵列进行， 所以如果你把时间序列放入 沿着轴= 0 （默认值）将返回所有T的移动平均值。 所有X的侧面。

输出是一个大小和形状相同但已缩短的矢量 在轴> /cTIT>轴上，长度为 n-1＜c>

轴：轴允许操作深度增加，因此使用< CIT>轴= 1 参数，您可以使用移动平均值水平跨列操作。 你可以像数组本身那样做。

权重允许您自定义函数。默认权重（无）为 如上所述（所有值的权重相同）。另一个重量 您可以使用is'pascal'。这给出了n行帕斯卡三角形的权重， 例如，对于n=5，数组中带有项的是 （i+4j+6k+4l+m）/16，因为帕斯卡三角形中的第五条线是 [1,4,6,4,1]。其他默认权重选项是三角形（即 三角形（5）=[1,2,3,2,1]，二次方是三角形的平方。或者自己做 列出你想要的东西并放在这里（确保len（weights）==n）

装箱

binning大大缩短了数组的长度，并损失了一些精度。这是可取的 如果你有大量的数据，不需要保存每一点。这个 默认移动平均线和组合移动平均线的区别在于， 对于输入数组[abcdef…]和输出数组[abcdef…] 3，默认移动平均值如下：

A = [a b c]/3
B =   [b c d]/3
C =     [c d e]/3
D =       [d e f]/3
E =         [e f g]/3
....

但如果binning=true:

A = [a b c]/3
B =       [d e f]/3
C =             [g h i]/3
.....

如您所见，输出数组大大缩短。随着阵列变得越来越大， binning可以更快地计算数量级，如果您不需要 移动平均线的分辨率是处理数据的一种更有效的方法， 因为你可能会在以后绘图时把大部分数据扔掉 不管怎么说。

为什么这个功能很重要？

移动平均线平滑了数据，并阐明了否则可能不会 很明显。当x不同时，它们也有助于反向插值 产生相同的y。使用移动平均数的原因有很多，所以a 任意速度任意深度移动平均函数 需要写权重。

致谢

github上@fnjn的滑动窗口功能。

其他

如果您有问题，请在github上打开一个问题 https://github.com/NGeorgescu/python-moving-average或者如果你认为 您希望看到的功能，或者如果您有更快的算法

谢谢，祝你愉快！