Jag skriver en glidande genomsnittsfunktion som använder convolve-funktionen i numpy, vilket ska motsvara ett (viktat glidande medelvärde). När mina vikter är lika med varandra (som i ett enkelt aritmatiskt medelvärde) fungerar det bra: Men när jag försöker använda ett vägt genomsnitt istället för (för samma data) 3,667,4,667,5,667,6,667. Jag förväntar mig att jag får, om jag tar bort den giltiga flaggan, ser jag inte ens rätt värden. Jag skulle verkligen vilja använda convolve för WMA och MA eftersom det gör kodrengöraren (samma kod, olika vikter) och annars tror jag Ill måste slingra igenom alla data och ta skivor. Eventuella idéer om detta beteende Vårt första steg är att plotta ett diagram som visar genomsnittsvärdena för två arrays. Let8217s skapar två arrayer x och y och plottar dem. x kommer att vara 1 till 10. och y kommer att ha samma element i slumpmässig ordning. Detta hjälper oss att verifiera att vårt genomsnitt är korrekt. Let8217s randomiserar ordningen av våra element i y en gång till och plottar igen: Med hänsyn till y let8217 ser vi hur det rörliga genomsnittsbeteendet uppträder: I nästa handledning ska vi rita de glidande medelvärdena. Dela detta: Gilla detta: Postnavigering Lämna ett svar Avbryt svar d bloggare så här: Vi introducerade tidigare hur man skapar glidande medelvärden med python. Denna handledning kommer att vara en fortsättning på detta ämne. Ett rörligt medelvärde i statistikens sammanhang, även kallat rollingrunning-medelvärde, är en typ av ändlighetsimpulsrespons. I vår tidigare handledning har vi ritat värdena för arraysna x och y: Let8217s plottar x mot det glidande medlet av y som vi ska ringa yMA: För det första utjämnar let8217s längden på båda arraysna: Och för att visa detta i sammanhang: Den resulterande graf: För att förstå detta, let8217s plot två olika relationer: x vs y och x vs MAy: det rörliga genomsnittet här är den gröna tomten som börjar vid 3: Dela detta: Gilla detta: Postnavigering Lämna ett svar Avbryt svar Mycket användbart I skulle vilja läsa den sista delen på stora dataset Hoppas att det kommer snart8230 d bloggare så här: Följande exempel ger ett glidande medelvärde av de föregående WINDOW-värdena. Vi avkortar de första värdena (WINDOW -1) eftersom vi kan hitta genomsnittet före dem. (Standardbeteendet för konvolvering är att anta att värden före starten av vår sekvens är 0). (Mer formellt konstruerar vi sekvensen y för sekvensen x där yi (xi x (i1) 8230. x (in)) n) Detta utnyttjar numpy8217s convolution-funktionen. Detta är en allmän rörelse medellägeoperation. Ändring av viktningar gör vissa värden viktigare motsättning lämpligt kan du se genomsnittet som runt punkt snarare än för punkt. I stället för trunkerande värden kan vi fixa de ursprungliga värdena på plats, som illustreras i det här exemplet:
No comments:
Post a Comment