תחביר:
אנו יכולים לחשב את הממוצע הנע בדרכים שונות שהן כדלקמן:
שיטה 1:
NumPy. כמוס ( )הוא מחזיר את סכום האלמנטים במערך הנתון. נוכל לחשב את הממוצע הנע על ידי חלוקת הפלט של cumsum() בגודל המערך.
שיטה 2:
NumPy. ו . מְמוּצָע ( )יש לו את הפרמטרים הבאים.
א: נתונים בצורת מערך שיש לממוצע.
ציר: סוג הנתונים שלו הוא int והוא פרמטר אופציונלי.
משקל: זהו גם מערך ופרמטר אופציונלי. זה יכול להיות באותה צורה כמו צורה 1-D. במקרה של חד מימדי, הוא חייב להיות באורך שווה לזה של מערך ''.
שים לב שנראה שאין פונקציה סטנדרטית ב-NumPy לחישוב הממוצע הנע, כך שניתן לעשות זאת בכמה שיטות אחרות.
שיטה 3:
שיטה נוספת שניתן להשתמש בה לחישוב הממוצע הנע היא:
לְמָשָׁל להתפתל ( א , ב , מצב = 'מלא' )בתחביר זה, a הוא ממד הקלט הראשון ו-v הוא ערך הממד השני של הקלט. מצב הוא הערך האופציונלי, הוא יכול להיות מלא, זהה ותקף.
דוגמה מס' 01:
כעת, כדי להסביר יותר על הממוצע הנע ב-Numpy, בואו ניתן דוגמה. בדוגמה זו, נוציא את הממוצע הנע של מערך עם פונקציית ה-convolve של NumPy. אז, ניקח מערך 'a' עם 1,2,3,4,5 כאלמנטים שלו. כעת, נקרא לפונקציה np.convolve ונשמור את הפלט שלה במשתנה 'b' שלנו. לאחר מכן, נדפיס את הערך של המשתנה שלנו 'b'. פונקציה זו תחשב את הסכום הנעים של מערך הקלט שלנו. נדפיס את הפלט כדי לראות אם הפלט שלנו נכון או לא.
לאחר מכן, נמיר את התפוקה שלנו לממוצע נע באמצעות אותה שיטת סיבוב. כדי לחשב את הממוצע הנע, נצטרך רק לחלק את הסכום הנע במספר הדגימות. אבל הבעיה העיקרית כאן היא שמכיוון שזהו ממוצע נע, מספר הדגימות ממשיך להשתנות בהתאם למיקום בו אנו נמצאים. לכן, כדי לפתור את הבעיה, פשוט ניצור רשימה של המכנים ועלינו להפוך את זה לממוצע.
לשם כך, אתחלנו משתנה נוסף 'דנום' עבור המכנה. זה פשוט להבנת רשימה באמצעות טריק הטווח. למערך שלנו יש חמישה אלמנטים שונים כך שמספר הדגימות בכל מקום יעבור מאחד לחמש ואז יחזור מחמש לאחד. אז, פשוט נוסיף שתי רשימות יחד ואנו נאחסן אותן בפרמטר 'דנום' שלנו. כעת, נדפיס את המשתנה הזה כדי לבדוק אם המערכת נתנה לנו את המכנים האמיתיים או לא. לאחר מכן, נחלק את הסכום הנע שלנו עם המכנים ונדפיס אותו על ידי אחסון הפלט במשתנה 'c'. תן לנו להפעיל את הקוד שלנו כדי לבדוק את התוצאות.
יְבוּא רדום כפי ש לְמָשָׁלא = [ 1 , שתיים , 3 , 4 , 5 ]
ב = לְמָשָׁל להתפתל ( א , לְמָשָׁל כאלה_כמו ( א ) )
הדפס ( 'סכום נע' , ב )
שֵׁם = רשימה ( טווח ( 1 , 5 ) ) + רשימה ( טווח ( 5 , 0 , - 1 ) )
הדפס ( 'מכנים' , שֵׁם )
ג = לְמָשָׁל להתפתל ( א , לְמָשָׁל כאלה_כמו ( א ) ) / שם
הדפס ( 'ממוצע נע ' , ג )
לאחר ביצוע מוצלח של הקוד שלנו, נקבל את הפלט הבא. בשורה הראשונה, הדפסנו את 'הסכום הנעים'. אנו יכולים לראות שיש לנו '1' בתחילת המערך ו- '5' בסוף המערך, בדיוק כמו שהיה לנו במערך המקורי. שאר המספרים הם סכומים של אלמנטים שונים של המערך שלנו.
לדוגמה, שישה באינדקס השלישי של המערך מגיע מהוספת 1,2 ו-3 ממערך הקלט שלנו. עשר במדד הרביעי מגיע מ-1,2,3 ו-4. חמישה עשר באים מסיכום כל המספרים יחד, וכן הלאה. כעת, בשורה השנייה של הפלט שלנו, הדפסנו את המכנים של המערך שלנו.
מהפלט שלנו, אנחנו יכולים לראות שכל המכנים מדויקים, מה שאומר שאנחנו יכולים לחלק אותם עם מערך הסכום הנעים שלנו. כעת, עבור לשורה האחרונה של הפלט. בשורה האחרונה, אנו יכולים לראות שהאלמנט הראשון במערך הממוצע הנע שלנו הוא 1. הממוצע של 1 הוא 1 כך שהאלמנט הראשון שלנו נכון. הממוצע של 1+2/2 יהיה 1.5. אנו יכולים לראות שהאלמנט השני של מערך הפלט שלנו הוא 1.5 כך שגם הממוצע השני נכון. הממוצע של 1,2,3 יהיה 6/3=2. זה גם הופך את הפלט שלנו לנכון. אז, מהפלט, אנו יכולים לומר שחישבתנו בהצלחה את הממוצע הנע של מערך.
סיכום
במדריך זה למדנו על ממוצעים נעים: מהו ממוצע נע, מהם השימושים בו וכיצד לחשב את הממוצע הנע. למדנו אותו בפירוט הן מנקודת מבט מתמטית ותכנותית. ב-NumPy, אין פונקציה או תהליך ספציפיים לחישוב הממוצע הנע. אבל יש עוד פונקציות שונות שבעזרתן נוכל לחשב את הממוצע הנע. עשינו דוגמה כדי לחשב את הממוצע הנע ותיארנו כל שלב בדוגמה שלנו. ממוצעים נעים היא גישה שימושית לחיזוי תוצאות עתידיות בעזרת נתונים קיימים.