我试图为2D数组的每一行计算一个简单的移动平均值。每行中的数据是一个单独的数据集,所以我不能只计算整个数组中的SMA,我需要在每行中分别进行计算。我尝试了for循环,但它将窗口作为行,而不是单个值
我用来计算SMA的方程式是:a1+a2+…an/n 这是我目前掌握的代码:
import numpy as np
#make amplitude array
amplitude=[0,1,2,3, 5.5, 6,5,2,2, 4, 2,3,1,6.5,5,7,1,2,2,3,8,4,9,2,3,4,8,4,9,3]
#split array up into a line for each sample
traceno=5 #number of traces in file
samplesno=6 #number of samples in each trace. This wont change.
amplitude_split=np.array(amplitude, dtype=np.int).reshape((traceno,samplesno))
#define window to average over:
window_size=3
#doesn't work for values that come before the window size. i.e. index 2 would not have enough values to divide by 3
#define limits:
lowerlimit=(window_size-1)
upperlimit=samplesno
i=window_size
for row in range(traceno):
for n in range(samplesno):
while lowerlimit<i<upperlimit:
this_window=amplitude_split[(i-window_size):i]
window_average=sum(this_window)/window_size
i+=1
print(window_average)
此数据集的预期输出为:
[[1, 2, 3.33, 4.66]
[3, 2.66, 2.66, 3. ]
[4, 6, 4.33, 3.33]
[4.33, 5, 7, 5. ]
[5, 5.33, 7, 5.33]]
但我得到了:
[2. 3. 3. 4.66666667 2.66666667 3.66666667]
[2.66666667 3.66666667 5. 5. 4. 2.33333333]
[2. 4.33333333 7. 5. 6.33333333 2.33333333]
使用向量} 应该很容易计算,但不幸的是,该函数似乎无法广播相关操作。下面是另一种用^{} 计算的简单方法:
np.ones(window_size) / window_size
使用^{您可以使用卷积对
window_size
中的[1, 1, ..., 1]
进行卷积,然后将其除以window_size
以获得平均值(无需循环):对
ones
的卷积基本上是将窗口中的元素相加输出:
相关问题 更多 >
编程相关推荐