Sintaxi:
Podem calcular la mitjana mòbil de diverses maneres, que són les següents:
Mètode 1:
NumPy. cumsum ( )Retorna la suma d'elements de la matriu donada. Podem calcular la mitjana mòbil dividint la sortida de cumsum() per la mida de la matriu.
Mètode 2:
NumPy. i . mitjana ( )Té els següents paràmetres.
a: dades en forma de matriu que s'han de promediar.
axis: el seu tipus de dades és int i és un paràmetre opcional.
pes: també és una matriu i un paràmetre opcional. Pot tenir la mateixa forma que una forma 1-D. En el cas d'una dimensió, ha de tenir una longitud igual a la de la matriu 'a'.
Tingueu en compte que sembla que no hi ha cap funció estàndard a NumPy per calcular la mitjana mòbil, de manera que es pot fer amb altres mètodes.
Mètode 3:
Un altre mètode que es pot utilitzar per calcular la mitjana mòbil és:
per exemple. convolucionar ( a , en , mode = 'ple' )En aquesta sintaxi, a és la primera dimensional d'entrada i v és el segon valor dimensional d'entrada. Mode és el valor opcional, pot ser complet, igual i vàlid.
Exemple # 01:
Ara, per explicar més sobre la mitjana mòbil a Numpy, posem un exemple. En aquest exemple, traurem la mitjana mòbil d'una matriu amb la funció de convolució de NumPy. Per tant, agafarem una matriu 'a' amb 1,2,3,4,5 com a elements. Ara, cridarem a la funció np.convolve i emmagatzemarem la seva sortida a la nostra variable 'b'. Després d'això, imprimirem el valor de la nostra variable 'b'. Aquesta funció calcularà la suma mòbil de la nostra matriu d'entrada. Imprimirem la sortida per veure si la nostra sortida és correcta o no.
Després d'això, convertirem la nostra sortida a la mitjana mòbil utilitzant el mateix mètode de convolució. Per calcular la mitjana mòbil, només haurem de dividir la suma mòbil pel nombre de mostres. Però el principal problema aquí és que, com que es tracta d'una mitjana mòbil, el nombre de mostres continua canviant depenent de la ubicació on ens trobem. Per tant, per resoldre aquest problema, simplement crearem una llista dels denominadors i hem de convertir-ho en una mitjana.
Per a això, hem inicialitzat una altra variable 'denom' per al denominador. És senzill per a la comprensió de llistes utilitzant el truc de rang. La nostra matriu té cinc elements diferents, de manera que el nombre de mostres a cada lloc passarà d'un a cinc i després baixarà de cinc a un. Per tant, simplement afegirem dues llistes juntes i les emmagatzemarem al nostre paràmetre 'denom'. Ara, imprimirem aquesta variable per comprovar si el sistema ens ha donat els veritables denominadors o no. Després d'això, dividirem la nostra suma mòbil amb els denominadors i l'imprimirem emmagatzemant la sortida a la variable 'c'. Executem el nostre codi per comprovar els resultats.
importar numpy com per exemple.a = [ 1 , 2 , 3 , 4 , 5 ]
b = per exemple. convolucionar ( a , per exemple. uns_com ( a ) )
imprimir ( 'Suma en moviment' , b )
denom = llista ( rang ( 1 , 5 ) ) + llista ( rang ( 5 , 0 , - 1 ) )
imprimir ( 'Denominadors' , denom )
c = per exemple. convolucionar ( a , per exemple. uns_com ( a ) ) / denom
imprimir ( 'Mitjana mòbil ' , c )
Després de l'execució correcta del nostre codi, obtindrem la següent sortida. A la primera línia, hem imprès la 'Suma mòbil'. Podem veure que tenim '1' a l'inici i '5' al final de la matriu, tal com teníem a la nostra matriu original. La resta de nombres són les sumes de diferents elements de la nostra matriu.
Per exemple, sis al tercer índex de la matriu provenen d'afegir 1, 2 i 3 de la nostra matriu d'entrada. Deu del quart índex prové de 1,2,3 i 4. Quinze prové de sumar tots els nombres junts, i així successivament. Ara, a la segona línia de la nostra sortida, hem imprès els denominadors de la nostra matriu.
A partir de la nostra sortida, podem veure que tots els denominadors són exactes, el que significa que els podem dividir amb la nostra matriu de suma mòbil. Ara, aneu a l'última línia de la sortida. A l'última línia, podem veure que el primer element de la nostra matriu de mitjana mòbil és 1. La mitjana d'1 és 1, de manera que el nostre primer element és correcte. La mitjana d'1+2/2 serà d'1,5. Podem veure que el segon element de la nostra matriu de sortida és 1,5, de manera que la segona mitjana també és correcta. La mitjana d'1,2,3 serà 6/3=2. També fa que la nostra sortida sigui correcta. Per tant, a partir de la sortida, podem dir que hem calculat amb èxit la mitjana mòbil d'una matriu.
Conclusió
En aquesta guia, hem après sobre les mitjanes mòbils: què és la mitjana mòbil, quins són els seus usos i com calcular la mitjana mòbil. L'hem estudiat amb detall tant des del punt de vista matemàtic com de la programació. A NumPy, no hi ha cap funció o procés específic per calcular la mitjana mòbil. Però hi ha altres funcions diferents amb l'ajuda de les quals podem calcular la mitjana mòbil. Vam fer un exemple per calcular la mitjana mòbil i vam descriure cada pas del nostre exemple. Les mitjanes mòbils són un enfocament útil per preveure resultats futurs amb l'ajuda de les dades existents.