我想知道是否存在一个函数,它会同时计算移动平均值并将其与np.diff结合起来？
如果你有一个数组,你可以计算移动窗口的平均值(移动平均值)并计算该平均值和下一个1元素之间的差值.
例：
a = [1,3,4,5,15,14,16,13]
b = np.diff(a)
#np.diff makes something like this: `[n] - [n-1]`
#I want something like this: `[n] - np.mean([n-m : n])`
#I would like to have a function,where I could vary `m`:
m = 2
d = [2,1.5,10.5,-2]
我将如何实现它,以便时间计算不会那么长,因为我想将它用于26000个元素和更高m的数组？
最佳答案
编辑1：OP在我给出第一个答案后更新了他的问题.更新后的答案可以在EDIT2之后找到.
原文链接：https://www.f2er.com/python/438479.html不知道你究竟尝试做什么,但在这种情况下你可以简单地做以下事情以获得diff：
import numpy as np
diff = np.array(array[n-1:]) - np.array(average[:-n+2])
然后diff将是所需的输出：
array([ 2.,4.,-2. ])
因此,您首先使用参数n对列表进行切片,然后将列表转换为数组并相互减去它们.如果a)你的列表具有相同的长度,上面的代码行甚至更简单,b)n是你的索引而不是你想要开始的元素c)如果你使用numpy数组而不是list：
import numpy as np
# add one additional value so that the arrays have the same length
myArray = np.array([1,13,17])
# choose the starting index rather than the element
n = 2
myAverage = np.array([2,3.5,4.5,10,14.5,14.5])
diffAr = myArray[n:] - myAverage
然后diffAr看起来像这样(因为我向myArray添加了一个元素,因此比你的情况多一个元素)：
array([ 2.,-2.,2.5])
EDIT2：
你改变了你的问题;这里现在是一个更新的答案.在上面的答案中,唯一需要添加的是在给定窗口大小m的情况下计算运行平均值的方法.在那之后,我可以完全按照上面的做法做到：
import numpy as np
def runningMean(ar,m):
return np.convolve(ar,np.ones((m,))/m)[(m-1):]
a = np.array([1,13])
m = 2
av = runningMean(a,m)
d = a[m:] - av[:-m]
在这种情况下,d包含所需的输出：
array([ 2.,-2. ])