Süntaks:
Liikuva keskmise saame arvutada mitmel viisil, mis on järgmised:
1. meetod:
NumPy. cumsum ( )Tagastab antud massiivi elementide summa. Liikuva keskmise saame arvutada, jagades cumsum() väljundi massiivi suurusega.
2. meetod:
NumPy. ja . keskmine ( )Sellel on järgmised parameetrid.
a: andmed massiivi kujul, mis tuleb keskmistada.
telg: selle andmetüüp on int ja see on valikuline parameeter.
kaal: see on ka massiiv ja valikuline parameeter. See võib olla ühemõõtmelise kujuga sama kujuga. Ühemõõtmelise massiivi puhul peab selle pikkus olema võrdne 'a' massiiviga.
Pange tähele, et NumPys ei näi olevat standardfunktsiooni liikuva keskmise arvutamiseks, nii et seda saab teha mõne muu meetodi abil.
3. meetod:
Teine meetod, mida saab kasutada libiseva keskmise arvutamiseks, on:
nt. konvoleerima ( a , sisse , režiimis = 'täis' )Selles süntaksis on a esimene sisenddimensioon ja v teine sisendmõõtme väärtus. Mode on valikuline väärtus, see võib olla täis, sama ja kehtiv.
Näide # 01:
Nüüd, et Numpy libiseva keskmise kohta rohkem selgitada, toome näite. Selles näites võtame välja massiivi liikuva keskmise NumPy convolve funktsiooniga. Seega võtame massiivi “a”, mille elementideks on 1,2,3,4,5. Nüüd kutsume funktsiooni np.convolve ja salvestame selle väljundi meie muutujasse 'b'. Pärast seda trükime oma muutuja “b” väärtuse. See funktsioon arvutab meie sisendmassiivi liikuva summa. Trükime välja väljundi, et näha, kas meie väljund on õige või mitte.
Pärast seda teisendame oma väljundi sama konvoleerimismeetodi abil liikuvaks keskmiseks. Liikuva keskmise arvutamiseks peame lihtsalt liikuva summa jagama valimite arvuga. Kuid peamine probleem on see, et kuna see on liikuv keskmine, muutub proovide arv sõltuvalt asukohast, kus me oleme. Selle probleemi lahendamiseks loome lihtsalt nimetajate loendi ja peame muutma selle keskmiseks.
Sel eesmärgil oleme nimetaja jaoks initsialiseerinud teise muutuja 'denom'. Vahemiku triki abil on loendi mõistmine lihtne. Meie massiivi koosneb viiest erinevast elemendist, nii et proovide arv igas kohas langeb ühest viieni ja seejärel viielt ühele. Niisiis, lisame lihtsalt kaks loendit kokku ja salvestame need oma parameetrisse 'denom'. Nüüd trükime selle muutuja, et kontrollida, kas süsteem on andnud meile tõelised nimetajad või mitte. Pärast seda jagame oma liikuva summa nimetajatega ja trükime selle, salvestades väljundi muutujasse “c”. Laske meil tulemuste kontrollimiseks käivitada oma kood.
importida tuim nagu nt.a = [ 1 , kaks , 3 , 4 , 5 ]
b = nt. konvoleerima ( a , nt. onees_like ( a ) )
printida ( 'Liikuv summa' , b )
nimi = nimekirja ( ulatus ( 1 , 5 ) ) + nimekirja ( ulatus ( 5 , 0 , - 1 ) )
printida ( 'Nimetajad' , nimi )
c = nt. konvoleerima ( a , nt. onees_like ( a ) ) / nimi
printida ( 'Liikuv keskmine' , c )
Pärast meie koodi edukat täitmist saame järgmise väljundi. Esimesele reale oleme trükkinud “Liikuva summa”. Näeme, et meil on massiivi alguses '1' ja lõpus '5', täpselt nagu meie algses massiivis. Ülejäänud arvud on meie massiivi erinevate elementide summad.
Näiteks kuus massiivi kolmandal indeksil tuleneb 1, 2 ja 3 lisamisest meie sisendmassiivist. Neljanda indeksi kümme tuleneb numbritest 1, 2, 3 ja 4. Viisteist saadakse kõigi arvude summeerimisel jne. Nüüd oleme oma väljundi teisel real trükkinud oma massiivi nimetajad.
Meie väljundist näeme, et kõik nimetajad on täpsed, mis tähendab, et saame need jagada oma liikuva summa massiiviga. Nüüd liikuge väljundi viimasele reale. Viimasel real näeme, et meie liikuva keskmise massiivi esimene element on 1. 1 keskmine on 1, nii et meie esimene element on õige. 1+2/2 keskmine on 1,5. Näeme, et meie väljundmassiivi teine element on 1,5, seega on ka teine keskmine õige. Keskmine 1,2,3 on 6/3=2. See muudab ka meie väljundi õigeks. Seega võime väljundi põhjal öelda, et oleme edukalt arvutanud massiivi liikuva keskmise.
Järeldus
Sellest juhendist õppisime libisevate keskmiste kohta: mis on libisev keskmine, millised on selle kasutusalad ja kuidas libisevat keskmist arvutada. Uurisime seda üksikasjalikult nii matemaatilisest kui ka programmeerimise vaatenurgast. NumPy-s pole liikuva keskmise arvutamiseks konkreetset funktsiooni ega protsessi. Kuid on veel erinevaid funktsioone, mille abil saame arvutada libiseva keskmise. Tegime libiseva keskmise arvutamiseks näite ja kirjeldasime oma näite iga sammu. Liikuvad keskmised on kasulik lähenemine tulevaste tulemuste prognoosimiseks olemasolevate andmete abil.