從Python中的數據點中找到移動平均數

Question

我在Python中再玩一遍，並且找到了一個帶有示例的整潔書。其中一個例子是繪製一些數據。我有一個兩列的.txt文件，我有數據。我繪製的數據不錯，但在運動，它說：進一步修改程序來計算和繪製數據，通過規定的移動平均：

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

其中r=5在這種情況下（與y_k是數據文件中的第二列）。讓程序在同一個圖上繪製原始數據和運行平均值。

到目前爲止，我有這樣的：

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() 

那麼，如何計算總和？在Mathematica中，它很簡單，因爲它是符號操作（例如Sum [i，{i，0,10}]），但是如何計算python中的和，並將數據中的每10個點取平均值，直到結束點數？

我看着書，但沒有發現任何可以解釋這一點：\

---

heltonbiker代碼的伎倆^^：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() 

而且我得到了這一點：

非常感謝你^^ :)

Answer 1

Before reading this answer, bear in mind that there is another answer below, from Roman Kh, which uses numpy.cumsum and is MUCH MUCH FASTER than this one.

---

最佳 一種常見方式替換每個5 10和4施加移動/到一個信號的滑動平均（或任何其它的滑動窗函數）是通過使用numpy.convolve()。

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

在這裏，時間間隔爲您x數組，window_size是樣本的數量來考慮。該窗口將以每個樣本爲中心，因此它會在當前樣本之前和之後進行採樣以計算平均值。您的代碼將變爲：

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() 

希望這有助於！

Answer 2

我覺得是這樣的：

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

但我總是要仔細檢查指標都在做什麼，我的期望。你想要的範圍是（0,5,10，...），data [0：6]會給你數據[0] ... data [5]

ETA：oops，當然，不是總和。因此，實際使用您的代碼和公式：

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] 

Answer 3

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

這不是最有效的方法，但它會給你的答案，我還不清楚，如果你的窗口是5分或10。如果其10與9.

Answer 4

移動平均值是一個卷積，numpy比大多數純Python操作要快。這會給你10點移動平均線。

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

我也要強烈使用大包熊貓建議，如果你是時間序列數據的工作。有一些不錯的moving average operations built in。

Answer 5

接受的答案存在問題。我認爲我們需要使用「有效」而不是「相同」這裏 - return numpy.convolve(interval, window, 'same')。

作爲一個實施例嘗試這個數據集= [1,5,7,2,6,7,8,2,2,7,8,3,7,3,7,3,15,6]的MA - 結果應該是[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]，但是具有「相同」讓我們的[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]

生鏽的代碼不正確的輸出，以嘗試了這一點 - ：

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) 

試試這個有效的&相同，看看數學是否有意義。

參見 - ：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 6

由於numpy.convolve是相當緩慢的，那些誰需要一個快速解決方案執行可能更喜歡一個更容易理解cumsum方法。下面是代碼：

cumsum_vec = numpy.cumsum(numpy.insert(data, 0, 0)) 
ma_vec = (cumsum_vec[window_width:] - cumsum_vec[:-window_width])/window_width 

其中數據包含您的數據，並ma_vec將包含移動平均window_width長度。

平均而言，cumsum比卷積快了約30-40倍。

Answer 7

我的移動平均線功能，無需numpy的功能：

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