57

私は再び Python で遊んでいますが、例が載った素敵な本を見つけました。例の 1 つは、いくつかのデータをプロットすることです。2 つの列を持つ .txt ファイルがあり、データがあります。私はデータをうまくプロットしましたが、演習では次のように書かれています:

$Y_k=\frac{1}{2r}\sum_{m=-r}^r y_{k+m}$

r=5この場合 (データy_kファイルの 2 番目の列)。元のデータと移動平均の両方を同じグラフにプロットするプログラムを作成します。

これまでのところ、私はこれを持っています：

from pylab import plot, ylim, xlim, show, xlabel, ylabel
from numpy import linspace, loadtxt

data = loadtxt("sunspots.txt", float)
r=5.0

x = data[:,0]
y = data[:,1]

plot(x,y)
xlim(0,1000)
xlabel("Months since Jan 1749.")
ylabel("No. of Sun spots")
show()

では、合計はどのように計算すればよいのでしょうか。Mathematica では、シンボリック操作 (Sum[i, {i,0,10}] など) であるため簡単ですが、Python で合計を計算する方法は、データ内の 10 ポイントごとに取得して平均し、最後まで行います。ポイントの？

私はその本を見ましたが、これを説明するものは何も見つかりませんでした:\

heltonbiker のコードはうまくいきました ^^ :D

from __future__ import division
from pylab import plot, ylim, xlim, show, xlabel, ylabel, grid
from numpy import linspace, loadtxt, ones, convolve
import numpy as numpy

data = loadtxt("sunspots.txt", float)

def movingaverage(interval, window_size):
    window= numpy.ones(int(window_size))/float(window_size)
    return numpy.convolve(interval, window, 'same')

x = data[:,0]
y = data[:,1]


plot(x,y,"k.")
y_av = movingaverage(y, 10)
plot(x, y_av,"r")
xlim(0,1000)
xlabel("Months since Jan 1749.")
ylabel("No. of Sun spots")
grid(True)
show()

そして、私はこれを得ました：

画像

ありがとうございます^^:)

4

7 に答える 7

90

この回答を読む前に、Roman Kh からの別の回答があることにnumpy.cumsum注意してください。これは、これよりもはるかに高速です。

移動/スライド平均 (またはその他のスライド ウィンドウ関数) を信号に適用する一般的な方法の 1 つは、 を使用することnumpy.convolve()です。

def movingaverage(interval, window_size):
    window = numpy.ones(int(window_size))/float(window_size)
    return numpy.convolve(interval, window, 'same')

ここで、 interval はx配列であり、window_size考慮するサンプルの数です。ウィンドウは各サンプルの中央に配置されるため、平均を計算するために現在のサンプルの前後のサンプルが取得されます。コードは次のようになります。

plot(x,y)
xlim(0,1000)

x_av = movingaverage(interval, r)
plot(x_av, y)

xlabel("Months since Jan 1749.")
ylabel("No. of Sun spots")
show()

お役に立てれば！

于 2012-07-05T20:37:47.593 に答える
31

移動平均は畳み込みであり、numpy はほとんどの純粋な python 操作よりも高速です。これにより、10ポイントの移動平均が得られます。

import numpy as np
smoothed = np.convolve(data, np.ones(10)/10)

時系列データを扱っている場合は、great pandas パッケージを使用することも強くお勧めします。組み込みの優れた移動平均演算がいくつかあります。

于 2012-07-05T20:41:10.537 に答える
4 
ravgs = [sum(data[i:i+5])/5. for i in range(len(data)-4)]

これは最も効率的なアプローチではありませんが、答えが得られます。ウィンドウが5ポイントか10かはわかりません。10の場合は、各5を10に、4を9に置き換えてください。

于 2012-07-05T20:36:15.813 に答える
4

受け入れられた回答に問題があります。ここでは「同じ」ではなく「有効」を使用する必要があると思います - 。return numpy.convolve(interval, window, 'same')

例として、このデータセットの MA を試してみてください = [1,5,7,2,6,7,8,2,2,7,8,3,7,3,7,3,15,6]- 結果は になるはずですが[4.2,5.4,6.0,5.0,5.0,5.2,5.4,4.4,5.4,5.6,5.6,4.6,7.0,6.8]、「同じ」とすると、[2.6,3.0,4.2,5.4,6.0,5.0,5.0,5.2,5.4,4.4,5.4,5.6,5.6, 4.6,7.0,6.8,6.2,4.8]

これを試すためのさびたコード -:

result=[]
dataset=[1,5,7,2,6,7,8,2,2,7,8,3,7,3,7,3,15,6]
window_size=5
for index in xrange(len(dataset)):
    if index <=len(dataset)-window_size :
        tmp=(dataset[index]+ dataset[index+1]+ dataset[index+2]+ dataset[index+3]+ dataset[index+4])/5.0
        result.append(tmp)
    else:
      pass

result==movingaverage(y, window_size)

これを有効な & 同じで試して、数学が理にかなっているかどうかを確認してください。

参照 -: http://sentdex.com/sentiment-analysisbig-data-and-python-tutorials-algorithmic-trading/how-to-chart-stocks-and-forex-doing-your-own-financial-charting/単純移動平均計算-sma-python/

于 2014-10-29T04:27:19.317 に答える
1

numpy 関数のない私の移動平均関数:

from __future__ import division  # must be on first line of script

class Solution:
    def Moving_Avg(self,A):
        m = A[0]
        B = []
        B.append(m)
        for i in range(1,len(A)):
            m = (m * i + A[i])/(i+1)
            B.append(m)
        return B
于 2015-12-23T22:07:26.657 に答える
0

私は次のようなものだと思います：

aves = [sum(data[i:i+6]) for i in range(0, len(data), 5)]

しかし、私は常にインデックスが私が期待することをしていることを再確認する必要があります。必要な範囲は（0、5、10、...）で、data [0：6]はdata [0] ...data[5]を提供します

ETA：おっと、もちろん、合計ではなくaveが必要です。したがって、実際にコードと式を使用すると、次のようになります。

r = 5
x = data[:,0]
y1 = data[:,1]
y2 = [ave(y1[i-r:i+r]) for i in range(r, len(y1), 2*r)]
y = [y1, y2]
于 2012-07-05T20:29:20.280 に答える