Question

我再次使用Python，我找到了一本带有例子的简洁书籍。其中一个例子是绘制一些数据。我有一个包含两列的.txt文件，我有数据。我把数据绘制得很好，但在练习中它说：进一步修改程序以计算和绘制数据的运行平均值，定义如下：

$Y_k=\frac{1}{2r}\sum_{m=-r}^r y_{k+m}$

在这种情况下r=5（而y_k是数据文件中的第二列）。让程序在同一图表上绘制原始数据和运行平均值。

到目前为止，我有这个：

from pylab import plot, ylim, xlim, show, xlabel, ylabel
from numpy import linspace, loadtxt

data = loadtxt("sunspots.txt", float)
r=5.0

x = data[:,0]
y = data[:,1]

plot(x,y)
xlim(0,1000)
xlabel("Months since Jan 1749.")
ylabel("No. of Sun spots")
show()

那么如何计算总和呢？在Mathematica中它很简单，因为它是符号操作（例如Sum [i，{i，0,10}]），但是如何计算python中的sum，它取数据中的每十个点并对其进行平均，直到结束分数？

我看了看这本书，但没有发现可以解释这一点：\

heltonbiker的代码诀窍^^：D

from __future__ import division
from pylab import plot, ylim, xlim, show, xlabel, ylabel, grid
from numpy import linspace, loadtxt, ones, convolve
import numpy as numpy

data = loadtxt("sunspots.txt", float)

def movingaverage(interval, window_size):
    window= numpy.ones(int(window_size))/float(window_size)
    return numpy.convolve(interval, window, 'same')

x = data[:,0]
y = data[:,1]


plot(x,y,"k.")
y_av = movingaverage(y, 10)
plot(x, y_av,"r")
xlim(0,1000)
xlabel("Months since Jan 1749.")
ylabel("No. of Sun spots")
grid(True)
show()

我得到了这个：

非常感谢^^：）

Answer 1

在阅读这个答案之前，请记住下面还有另一个答案，来自Roman Kh，它使用numpy.cumsum并且比这个答案快很多。

最佳将动态/滑动平均值（或任何其他滑动窗口函数）应用于信号的一种常用方法是使用numpy.convolve()。

def movingaverage(interval, window_size):
    window = numpy.ones(int(window_size))/float(window_size)
    return numpy.convolve(interval, window, 'same')

此处，interval是您的x数组，window_size是要考虑的样本数。窗口将以每个样本为中心，因此它在当前样本之前和之后采样以计算平均值。您的代码将成为：

plot(x,y)
xlim(0,1000)

x_av = movingaverage(interval, r)
plot(x_av, y)

xlabel("Months since Jan 1749.")
ylabel("No. of Sun spots")
show()

希望这有帮助！

Answer 2

移动平均线是一个卷积，而numpy将比大多数纯粹的python操作更快。这将给你10点移动平均线。

import numpy as np
smoothed = np.convolve(data, np.ones(10)/10)

如果您正在处理时间序列数据，我也会强烈建议使用大熊猫包。有一些不错的moving average operations built in。

Answer 3

ravgs = [sum(data[i:i+5])/5. for i in range(len(data)-4)]

这不是最有效的方法，但它会给出你的答案，我不清楚你的窗口是5分还是10分。如果是10分，则将每个5替换为10，将4替换为9。

Answer 4

接受的答案存在问题。我认为我们需要使用＆＃34;有效＆＃34; 而不是＆＃34;相同＆＃34; - return numpy.convolve(interval, window, 'same')。

作为示例，请尝试使用此数据集的MA = [1,5,7,2,6,7,8,2,2,7,8,3,7,3,7,3,15,6] - 结果应为[4.2,5.4,6.0,5.0,5.0,5.2,5.4,4.4,5.4,5.6,5.6,4.6,7.0,6.8]，但有＆＃34;相同＆＃34;我们输出[2.6,3.0,4.2,5.4,6.0,5.0,5.0,5.2,5.4,4.4,5.4,5.6,5.6, 4.6,7.0,6.8,6.2,4.8]

的输出不正确

生锈的代码试试这个 - ：

result=[]
dataset=[1,5,7,2,6,7,8,2,2,7,8,3,7,3,7,3,15,6]
window_size=5
for index in xrange(len(dataset)):
    if index <=len(dataset)-window_size :
        tmp=(dataset[index]+ dataset[index+1]+ dataset[index+2]+ dataset[index+3]+ dataset[index+4])/5.0
        result.append(tmp)
    else:
      pass

result==movingaverage(y, window_size)

尝试使用有效的＆amp;同样，看看数学是否有意义。

另见 - ：http://sentdex.com/sentiment-analysisbig-data-and-python-tutorials-algorithmic-trading/how-to-chart-stocks-and-forex-doing-your-own-financial-charting/calculate-simple-moving-average-sma-python/

Answer 5

我的移动平均线功能，没有numpy功能：

from __future__ import division  # must be on first line of script

class Solution:
    def Moving_Avg(self,A):
        m = A[0]
        B = []
        B.append(m)
        for i in range(1,len(A)):
            m = (m * i + A[i])/(i+1)
            B.append(m)
        return B

Answer 6

我认为：

aves = [sum(data[i:i+6]) for i in range(0, len(data), 5)]

但我总是要仔细检查指数正在做我期望的事情。您想要的范围是（0,5,10，...），数据[0：6]将为您提供数据[0] ...数据[5]

ETA：oops，当然，你想要的是ave而不是总和。所以实际上使用你的代码和公式：

r = 5
x = data[:,0]
y1 = data[:,1]
y2 = [ave(y1[i-r:i+r]) for i in range(r, len(y1), 2*r)]
y = [y1, y2]

从Python中的数据点查找移动平均值

6 个答案: