Sintassi:
Possiamo calcolare la media mobile in vari modi che sono i seguenti:
Metodo 1:
NumPy. cumsum ( )Restituisce la somma degli elementi nella matrice data. Possiamo calcolare la media mobile dividendo l'output di cumsum() per la dimensione dell'array.
Metodo 2:
NumPy. e . media ( )Ha i seguenti parametri.
a: dati in forma di matrice che devono essere mediati.
asse: il suo tipo di dati è int ed è un parametro opzionale.
weight: è anche un array e un parametro opzionale. Può avere la stessa forma di una forma 1D. Nel caso di un dimensionale, deve avere una lunghezza uguale a quella dell'array 'a'.
Nota che sembra non esserci alcuna funzione standard in NumPy per calcolare la media mobile, quindi può essere eseguita con altri metodi.
Metodo 3:
Un altro metodo che può essere utilizzato per calcolare la media mobile è:
per esempio. convogliare ( un , in , modalità = 'completo' )In questa sintassi, a è il primo valore dimensionale di input e v è il secondo valore dimensionale di input. Mode è il valore facoltativo, può essere completo, uguale e valido.
Esempio n. 01:
Ora, per spiegare di più sulla media mobile in Numpy, facciamo un esempio. In questo esempio, elimineremo la media mobile di un array con la funzione di convolve di NumPy. Quindi, prenderemo un array 'a' con 1,2,3,4,5 come suoi elementi. Ora chiameremo la funzione np.convolve e memorizzeremo il suo output nella nostra variabile 'b'. Successivamente, stamperemo il valore della nostra variabile 'b'. Questa funzione calcolerà la somma mobile del nostro array di input. Stamperemo l'output per vedere se il nostro output è corretto o meno.
Successivamente, convertiremo il nostro output nella media mobile usando lo stesso metodo di convolve. Per calcolare la media mobile, dovremo semplicemente dividere la somma mobile per il numero di campioni. Ma il problema principale qui è che poiché si tratta di una media mobile, il numero di campioni continua a cambiare a seconda della posizione in cui ci troviamo. Quindi, per risolvere il problema, creeremo semplicemente un elenco dei denominatori e dobbiamo trasformarlo in una media.
A tale scopo, abbiamo inizializzato un'altra variabile 'denom' per il denominatore. È semplice per la comprensione dell'elenco usando il trucco dell'intervallo. Il nostro array ha cinque elementi diversi, quindi il numero di campioni in ogni posto passerà da uno a cinque e poi di nuovo da cinque a uno. Quindi, aggiungeremo semplicemente due liste insieme e le memorizzeremo nel nostro parametro 'denom'. Ora stamperemo questa variabile per verificare se il sistema ci ha fornito o meno i veri denominatori. Successivamente, divideremo la nostra somma mobile con i denominatori e la stamperemo memorizzando l'output nella variabile 'c'. Eseguiamo il nostro codice per verificare i risultati.
importare intontito come per esempio.un = [ 1 , Due , 3 , 4 , 5 ]
b = per esempio. convogliare ( un , per esempio. quelli_come ( un ) )
Stampa ( 'Somma mobile' , b )
nome = elenco ( gamma ( 1 , 5 ) ) + elenco ( gamma ( 5 , 0 , - 1 ) )
Stampa ( 'Denominatori' , nome )
c = per esempio. convogliare ( un , per esempio. quelli_come ( un ) ) / nome
Stampa ( 'Media mobile' , c )
Dopo la corretta esecuzione del nostro codice, otterremo il seguente output. Nella prima riga abbiamo stampato il “Moving Sum”. Possiamo vedere che abbiamo '1' all'inizio e '5' alla fine dell'array, proprio come avevamo nel nostro array originale. Il resto dei numeri sono la somma di diversi elementi del nostro array.
Ad esempio, sei sul terzo indice dell'array deriva dall'aggiunta di 1,2 e 3 dall'array di input. Il dieci sul quarto indice viene da 1,2,3 e 4. Quindici viene dalla somma di tutti i numeri e così via. Ora, nella seconda riga del nostro output, abbiamo stampato i denominatori del nostro array.
Dal nostro output, possiamo vedere che tutti i denominatori sono esatti, il che significa che possiamo dividerli con la nostra matrice di somma mobile. Ora, passa all'ultima riga dell'output. Nell'ultima riga, possiamo vedere che il primo elemento del nostro Array di media mobile è 1. La media di 1 è 1, quindi il nostro primo elemento è corretto. La media di 1+2/2 sarà 1,5. Possiamo vedere che il secondo elemento del nostro array di output è 1,5 quindi anche la seconda media è corretta. La media di 1,2,3 sarà 6/3=2. Inoltre, rende corretto il nostro output. Quindi, dall'output, possiamo dire di aver calcolato con successo la media mobile di un array.
Conclusione
In questa guida abbiamo appreso le medie mobili: cos'è la media mobile, a cosa serve e come calcolarla. Lo abbiamo studiato in dettaglio sia dal punto di vista matematico che di programmazione. In NumPy, non esiste una funzione o un processo specifico per calcolare la media mobile. Ma ci sono diverse altre funzioni con l'aiuto delle quali possiamo calcolare la media mobile. Abbiamo fatto un esempio per calcolare la media mobile e descritto ogni passaggio del nostro esempio. Le medie mobili sono un approccio utile per prevedere i risultati futuri con l'aiuto dei dati esistenti.