Gleitender Mittelpylab

Die folgenden Beispiele erzeugen einen gleitenden Durchschnitt der vorhergehenden WINDOW-Werte. Wir schneiden die ersten (WINDOW -1) Werte ab, da wir den Durchschnitt vor ihnen finden können. (Das Standardverhalten für die Konvolution besteht darin, dass Werte vor dem Beginn unserer Sequenz 0 sind). (Formalerweise konstruieren wir die Folge y für die Folge x mit yi (xi x (i1) 8230. x (in)) n) Dies nutzt die numpy8217s-Faltungsfunktion. Dies ist ein gleitender Durchschnittsbetrieb. Ändern von Gewichtungen macht einige Werte wichtiger Offsetting entsprechend können Sie die durchschnittliche als um Punkt zu sehen, anstatt vor Punkt. Anstatt Werte zu verkürzen, können wir die Anfangswerte festlegen, wie in diesem Beispiel veranschaulicht: Ich arbeite an der Erstellung eines Konturplots mit Matplotlib. Ich habe alle Daten in einem Array, das mehrdimensional ist. Es ist 12 lang ungefähr 2000 breit. So ist es im Grunde eine Liste von 12 Listen, die 2000 in der Länge sind. Ich habe das Konturdiagramm arbeiten fein, aber ich muss die Daten glätten. Ich habe eine Menge von Beispielen gelesen. Leider habe ich nicht die Mathe Hintergrund zu verstehen, was los ist mit ihnen. Also, wie kann ich diese Daten glatt Ich habe ein Beispiel, wie meine Grafik aussieht und was ich möchte, dass es mehr aussehen. Dies ist meine Grafik: Was ich möchte, dass es mehr ähnlich aussehen: Was bedeutet, habe ich, um die Konturplot glatt wie im zweiten Plot Die Daten, die ich verwende, wird aus einer XML-Datei gezogen. Aber, werde ich zeigen die Ausgabe eines Teils des Arrays. Da jedes Element im Array etwa 2000 Elemente lang ist, zeige ich nur einen Auszug. Hier ist ein Beispiel: Denken Sie daran, dies ist nur ein Auszug. Die Dimension der Daten beträgt 12 Zeilen zu 1959 Spalten. Die Spalten ändern sich abhängig von den Daten, die aus der XML-Datei importiert werden. Ich kann die Werte anschauen, nachdem ich den Gaußfilter benutzt habe und sie ändern sich. Die Änderungen sind jedoch nicht groß genug, um das Konturdiagramm zu beeinflussen. Eine einfache Möglichkeit, Daten glatt ist mit einem gleitenden Durchschnitt Algorithmus. Eine einfache Form des gleitenden Durchschnitts ist, den Mittelwert der benachbarten Messungen an einer bestimmten Position zu berechnen. In einer eindimensionalen Messreihe a1: N kann beispielsweise der gleitende Durchschnitt bei a als (an-1 und an1) 3 berechnet werden. Wenn Sie alle Messungen durchlaufen, sind Sie fertig. In diesem einfachen Beispiel, unser Durchschnitt Fenster hat Größe 3. Sie können auch Fenster in verschiedenen Größen, je nachdem, wie viel Glättung Sie wollen. Um die Berechnungen für ein breiteres Spektrum von Anwendungen einfacher und schneller zu machen, können Sie auch einen auf Faltung basierenden Algorithmus verwenden. Der Vorteil der Faltung ist, dass Sie verschiedene Arten von Mitteln, wie gewichtete Durchschnitte, durch einfaches Ändern des Fensters wählen können. Lets einige Codierung zu illustrieren. Der folgende Auszug benötigt Numpy, Matplotlib und Scipy installiert. Klicken Sie hier für den vollständigen Beispielcode Der folgende Code generiert einige willkürliche und verrauschte Daten und berechnet dann den gleitenden Durchschnitt mit vier unterschiedlich großen Boxfenstern. Und dann, um die verschiedenen Ergebnisse zu sehen, hier ist der Code für einige Plotten. Und hier sind die gezeichneten Ergebnisse für unterschiedlich große Fenster: Der hier angezeigte Beispielcode verwendet ein einfaches (oder rechteckiges) Fenster in zwei Dimensionen. Es gibt mehrere verschiedene Arten von Fenstern zur Verfügung und möchten Sie vielleicht auf Wikipedia für weitere Beispiele zu überprüfen. Antwort # 1 am: August 23, 2010, 09:10:49 pm »Antwort Ihre 2017 Stack Exchange, IncWe zuvor eingeführt, wie man gleitende Durchschnitte mit Python erstellen. Dieses Tutorial wird eine Fortsetzung dieses Themas sein. Ein gleitender Durchschnitt im Rahmen der Statistik, auch rollingrunning average genannt, ist eine Art von endlicher Impulsantwort. In unserem vorangegangenen Tutorial haben wir die Werte der Arrays x und y: Let8217s plot x gegen den gleitenden Durchschnitt von y aufgetragen, den wir yMA nennen wollen: Erstens haben let8217s die Länge beider Arrays gleich: Und dies im Kontext: Das Ergebnis Diagramm: Um dies zu verstehen, let8217s plotten zwei verschiedene Beziehungen: x vs y und x vs MAy: Der gleitende Durchschnitt hier ist die grüne Handlung, die bei 3 beginnt: Share this: Gefällt mir: Post navigation Lassen Sie eine Antwort Antworten abbrechen Sehr nützlich I Möchte den letzten Teil auf großen Datensätzen zu lesen hoffen, es wird bald kommen8230 d Blogger wie folgt: