Hmmm, sembra così facile da implementare la funzione è in realtà abbastanza facile da sbagliare e ha favorito una buona discussione sulla efficienza della memoria mi contento di avere troppo grosso se questo significa sapere che cosa s stato fatto bene Richard 20 settembre 14 a 19 23.NumPy s mancanza di una particolare funzione specifica per dominio è forse a causa del core team s disciplina e fedeltà al NumPy s direttiva primaria fornire il tipo di un array N-dimensionale così come le funzioni per la creazione, e l'indicizzazione quelle matrici come molti obiettivi fondamentali, questo non è piccolo, e lo fa NumPy brilliantly. The molto più grande SciPy contiene una molto più grande collezione di librerie specifici del dominio chiamato sottopackage di sviluppatori SciPy --Per esempio, numerico ottimizzare l'ottimizzazione, il segnale processsing segnale e calcolo integrale integrate. My ipotesi è che la funzione siete dopo è in almeno uno dei SciPy sottopackage forse però, vorrei guardare prima nella collezione di scikits SciPy identificare il scikit rilevanti s e cercare la funzione di there. Scikits interesse sono sviluppati in modo indipendente sulla base di pacchetti NumPy SciPy e diretto ad una particolare disciplina tecnica per esempio scikits-immagine scikits-imparare, ecc Molti di questi erano in particolare, il OpenOpt impressionante per l'ottimizzazione numerica sono stati molto apprezzato, progetti maturi a lungo prima di scegliere di risiedere sotto le relativamente nuove scikits rubrica la homepage scikits è piaciuto sopra elenca circa 30 tali scikits anche se almeno alcuni di quelli non più sotto development. Following attivi sono questo consiglio si porterebbe a scikits-timeseries tuttavia, che il pacchetto non è più in fase di sviluppo attivo In effetti, Panda è diventato, per quanto ne so, la de facto NumPy a base di library. Pandas serie temporali ha diverse funzioni che possono essere utilizzate per calcolare una media mobile il più semplice di questi è probabilmente rollingmean che si utilizzano come so. Now, basta chiamare la funzione rollingmean passando l'oggetto della serie e una finestra dimensioni, che nel mio esempio qui sotto è 10 days. verify che ha funzionato - per esempio valori confrontati 10-15 nella serie originale contro la nuova serie lisciato con rotolamento mean. The funzione rollingmean, insieme a circa una decina di altre funzioni sono informalmente raggruppati nella documentazione Panda sotto la rubrica in movimento le funzioni della finestra di un secondo, gruppo correlato di funzioni in Panda si riferisce a funzioni come esponenzialmente ponderati per esempio EWMA che calcola in modo esponenziale media mobile ponderata il fatto che questo secondo gruppo non è incluso nella prima finestra in movimento funzioni è forse perché le trasformazioni in modo esponenziale ponderate don t contare su una lunghezza fissa window. answered 14 Gennaio 13 ad 6 38.I sa questa è una vecchia questione, ma qui è una soluzione che doesn t usare tutte le strutture di dati o le librerie e 'lineare nel numero di elementi della lista di input e non riesco a pensare a nessun altro modo per renderlo più efficiente in realtà se qualcuno sa di un modo migliore per allocare il risultato, per favore fatemelo know. NOTE questo sarebbe molto più veloce utilizzando una matrice NumPy invece di una lista, ma ho voluto eliminare tutte le dipendenze sarebbe anche possibile migliorare le prestazioni in base alla funzione multi-threaded execution. The presuppone che la lista di input è una dimensione, in modo da essere careful. UPD soluzioni più efficienti sono stati proposto da Alleo e jasaarim. You può usare per fare quello. Il argomento modalità Specifica come gestire i bordi ho scelto la modalità valida qui perché penso che s come la maggior parte delle persone si aspettano in esecuzione significa lavorare, ma si possono avere altre priorità Ecco un diagramma che illustra la differenza tra il modes. answered 24 marzo 14 al 22 01.I come questa soluzione perché è pulito una linea e relativamente efficiente lavoro svolto all'interno NumPy Ma soluzione efficiente Alleo s usando ha una migliore complessità Ulrich Stern 25 settembre 15 a 0 31.You può calcolare una corsa significa with. Fortunately, NumPy include una funzione convolve che possiamo utilizzare per accelerare le cose Il funzionamento dire è equivalente a convolvendo x con un vettore che è N lungo, con tutti i membri pari a 1 N La numpy attuazione convolve comprende il transitorio di avviamento, quindi bisogna rimuovere il primo N-1 points. On mia macchina, la versione veloce è 20-30 volte più veloce, a seconda della lunghezza del vettore di ingresso e la dimensione del window. Note media che convolve include una stessa modalità che sembra che dovrebbe affrontare la questione partendo transitorio, ma si divide fra l'inizio e end. It rimuove il transitorio tra la fine e l'inizio doesn t hanno una Beh, credo che la materia SA delle priorità, i don t bisogno lo stesso numero di risultati sul scapito di ottenere una pendenza verso lo zero che t isn lì nei dati BTW, ecco un comando per mostrare la differenza tra le modalità modi pieni, gli stessi, trama valida quelli Convolve 200,, quelli 50, 50, la modalità m per m in modalità asse -10, 251, - centro 1, 1 1 modalità leggenda, loc inferiore con pyplot e NumPy importati lapis 24 marzo 14 al 13 56.pandas è più adatto per questo di NumPy o SciPy la sua funzione rollingmean fa il lavoro comodamente inoltre restituisce un array di NumPy quando l'ingresso è un array. It è difficile da battere rollingmean in termini di prestazioni con qualsiasi implementazione di Python puro personalizzato Ecco un esempio prestazioni contro due delle soluzioni proposte. ci sono anche belle opzioni di come affrontare il bordo values. I m sempre infastidito dalla funzione di elaborazione dei segnali che restituiscono segnali di uscita di forma diversa rispetto ai segnali di ingresso quando entrambi gli ingressi e le uscite sono della stessa natura ad esempio, entrambi i segnali temporali si rompe la corrispondenza con relativa variabile ad esempio a tempo indipendente, realizzazione di frequenza stampa o confronto non una questione diretta in ogni caso, se si condivide la sensazione, si potrebbe desiderare di cambiare le ultime righe della funzione proposto come stesso rendimento y windowlen-1 - windowlen-1 Christian o Reilly 25 agosto 15 al 19 56.A po 'in ritardo alla festa, ma io ho fatto la mia piccola funzione che non avvolgono le estremità o pastiglie con zeri che vengono poi utilizzati per trovare la media, nonché un ulteriore trattamento è , che ha anche ri-campioni del segnale in punti distanziati linearmente Personalizzare il codice a piacimento per ottenere altro metodo features. The è una semplice moltiplicazione di matrici con un normalizzata gaussiana kernel. A semplice utilizzo su un segnale sinusoidale con noise. This distribuite normali aggiunto domanda è ora ancora più vecchio di quando NeXuS ha scritto su di esso il mese scorso, ma mi piace come le sue offerte di codice con casi limite Tuttavia, poiché si tratta di una media mobile semplice, s risultati in ritardo rispetto i dati si applicano al ho pensato che si occupano di bordo casi in modo più soddisfacente rispetto alle modalità NumPy s valida stesso e pieno potrebbe essere realizzato mediante l'applicazione di un approccio simile a un contributo method. My basato convoluzione utilizza una media centrale corsa per allineare i propri risultati con i loro dati quando ci sono due alcuni punti disponibili per la finestra di dimensioni standard da utilizzare, medie consecutive sono calcolati dalle finestre sempre più piccoli ai bordi della matrice realtà, dalle finestre sempre più grandi, ma che s un'implementazione detail. It s relativamente lento perché utilizza convolve e potrebbe probabilmente essere ripulito up un bel po 'da un vero Pythonista, però, credo che l'idea stands. answered 2 gennaio a 0 28. è bello ma lento quando la larghezza della finestra cresce grande Alcune risposte forniscono algoritmi più efficiente con, ma sembrano incapaci di gestire i valori edge I mi hanno attuato un algoritmo che può gestire bene questo problema, se questo problema è dichiarato parametro as. Input mergenum può essere pensato come 2 1.I WindowWidth conosce questo codice è un po 'illeggibile se u trovare utile e vogliono alcuni expanations, si prega di fatemelo sapere e io ll aggiornare questa risposta Dopo aver scritto una spiegazione può costare me un sacco di tempo, spero lo faccio solo quando qualcuno ha bisogno prego di perdonarmi per il mio laziness. If solo u sono interessati alla sua originale version. It s anche più illeggibile la prima soluzione si libera di problema bordo da zeri imbottitura intorno la matrice, ma la seconda soluzione postato qui gestisce in un way. In duro e diretto la mia ultima frase che stava cercando di spiegare perché aiuta errore in virgola mobile Se due valori sono approssimativamente dello stesso ordine di grandezza, aggiungendo poi li perde meno precisione rispetto se si aggiunge un numero molto grande di una molto piccola il codice combina valori adiacenti in modo che anche le somme intermedie dovrebbero sempre essere ragionevolmente vicino in grandezza, per minimizzare la galleggiante errore del punto Nulla è infallibile, ma questo metodo ha salvato una coppia molto scarsamente implementato progetti in produzione Mayur Patel 15 dicembre 14 a 17 22. Alleo Invece di fare una somma per ogni valore, si verrà facendo due la prova è lo stesso del bit-flipping problema Tuttavia, il punto di questa risposta non è necessariamente le prestazioni, ma l'uso della memoria di precisione per una media di valori a 64 bit non superi 64 elementi nella cache, quindi è amichevole in utilizzo della memoria così Mayur Patel 29 dicembre 14 a 17 04.The seguenti esempi produce una media mobile dei valori FINESTRA precedenti abbiamo troncano i primi -1 valori della finestra dal momento che possiamo t trovare la media prima di loro il comportamento predefinito per convoluzione è di assumere che i valori prima dell'inizio della nostra sequenza sono 0 più formalmente, costruiamo la sequenza Y per la sequenza x dove yi xi xi 1 Xin n. This fa uso della funzione di convoluzione NumPy s Questo è un uso generale in movimento ponderazione medi operation. Changing rende alcuni valori più importante compensando in modo appropriato consente di visualizzare media come intorno punto anziché prima point. Rather di troncare valori possiamo fissare i valori iniziali in posizione, come illustrato in questo esempio.
No comments:
Post a Comment