Finden gleitenden Durchschnitt von Datenpunkten in Python

Spiele ich in Python ein bisschen wieder, und ich fand ein ordentliches Buch mit Beispielen. Eines der Beispiele ist die Handlung einige Daten. Ich habe eine .txt-Datei mit zwei Spalten und ich habe die Daten. Ich geplottet den Daten ganz gut, aber in der übung heißt es: Ändern Sie Ihr Programm weiter zu berechnen und Plotten Sie den Laufenden Durchschnitt der Daten, definiert durch:

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

wo r=5 in diesem Fall (und das y_k ist die zweite Spalte in der Daten-Datei). Haben Sie das Programm plot sowohl die original-Daten und der laufende Durchschnitt auf der gleichen Kurve.

Bisher habe ich dieses:

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()

So, wie berechne ich die Summe? In Mathematica ist es einfach, da es die symbolische manipulation (Sum[i, {i,0,10}] zum Beispiel), aber wie berechne Summe in python die alle zehn Punkte in den Daten und Durchschnitte, und tut dies bis zum Ende der Punkte?

Ich schaute auf das Buch, aber nichts gefunden, was erklären würde :\

heltonbiker code war der trick ^^ 😀

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()

Und ich habe diese:

Finden gleitenden Durchschnitt von Datenpunkten in Python

Vielen Dank ^^ 🙂

Das ist komisch. Da wir nicht über Ihre txt-Datei, es ist nicht möglich zum testen hier, aber ich denke, die xlim Zeile sollte nicht verwendet werden (nur für den Fall)
Ich habe die Punkte von hier: www-personal.umich.edu/~mejn/computational physics/Sonnenflecken.dat Und abnehmen xlim nicht helfen :\
Ich habe einen Fehler im code! führen Sie die Durchschnittliche auf dem y-array, nicht x: y_av = movingaverage(y, r) plot(x, y_av). Und Sie können xlim wieder, denke ich.
Genial! 😀 Danke ^^
Ich denke, wir müssen Sie nutzen "gilt" statt "gleichen" hier - return numpy.convolve(Intervall -, Fenster -, 'gleiche')

InformationsquelleAutor dingo_d | 2012-07-05

  1. 74

    Bevor Sie weiterlesen, beantworten, Bedenken Sie, dass es eine andere Antwort unten, von der römischen Kh, die verwendet numpy.cumsum und ist VIEL VIEL SCHNELLER als dieser.

    Besten Eine gemeinsame Methode für einen beweglichen/gleitenden Durchschnitt (oder andere Schiebe-Fenster-Funktion), um ein signal wird durch die Verwendung numpy.convolve().

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

    Hier, Intervall ist Ihre x array, und window_size ist die Anzahl der Proben zu berücksichtigen. Das Fenster wird zentriert auf jeder Probe, so nimmt Stichproben vor und nach der aktuellen Probe, um den Durchschnitt berechnen. Dein code würde so Aussehen:

    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()

    Hoffe, das hilft!

    Hier bekomme ich Fehler: Traceback (most recent call last): File "C:/Users/*****/Desktop/sunspots_plot.py", line 18, in <module> x_av = movingaverage(x, 5) - Datei "C:/Users/*****/Desktop/sunspots_plot.py", line 8, in movingaverage-Fenster= numpy.(int(window_size))/float(window_size) NameError: global name 'numpy' ist nicht definiert
    Gut, das bedeutet, dass Sie nicht import numpy. In der Tat, man importiert nur einige Funktionen von es: linspace und loadtxt. Sollten Sie ones und convolve; o)
    Ich bearbeitete meinen code und jetzt habe ich das Bild, aber der Durchschnitt ist nur auf den letzten Teil der Kurve, sollte ich manuell ändern Intervall die aus zu Sortieren?
    Das problem ist, dass convolve ist extrem langsam. Unten finden Sie eine viel schnellere Lösung basiert auf numpy.cumsum().
    Ich finde, dass diese Lösung funktioniert sehr gut, aber nicht an den Kanten der Daten. Es fügt unechte niedrige Werte.

    InformationsquelleAutor heltonbiker

  2. 48

    Als numpy.convolve ist ziemlich langsam, diejenigen, die benötigen eine schnelle und leistungsstarke Lösung vielleicht lieber ein einfacher zu verstehen cumsum Ansatz. Hier ist der code:

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

    wo Daten Ihre Daten enthält, und ma_vec enthalten gleitenden durchschnitten von window_width Länge.

    Durchschnittlich cumsum wird etwa 30-40 mal schneller als convolve.

    Ich denke, wenn ich die Umsetzung einer offline-gleitenden Durchschnitt heute, ich würde verwenden Sie Ihre Lösung von Anfang an, anstelle von convolve. Eigentlich bin ich überrascht, dass diese Antwort noch nicht empfangen viel mehr upvotes...
    wo ist der "Schritt" - parameter?
    Ich würde schätzen, wenn Sie konnten haben Sie einen Blick auf diese und Dank. stackoverflow.com/questions/45839123/...
    Dies ist ein Duplikat dieser älteren Frage:stackoverflow.com/a/27681394/1391441

    InformationsquelleAutor Roman Kh

  3. 25

    Ist ein gleitender Durchschnitt ist ein convolution-und numpy wird schneller sein als die meisten reinen python-Operationen. Dies wird geben Sie die 10-Punkt-gleitenden Durchschnitt. 

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

    Ich würde auch stark schlage vor, mit den großen pandas Paket", wenn Sie die Arbeit mit timeseries Daten. Es gibt einige schöne gleitender Durchschnitt Operationen gebaut.

    Ich bekomme Fehler: Traceback (most recent call last): File "C:/Users/*****/Desktop/sunspots_plot.py", line 7, in <module> geglättet = np.convolve(Daten, np.(10)/(10)) - Datei "C:\Python26\lib\site-packages\numpy\core\numeric.py", line 787, in convolve zurück multiarray.korrelieren(a, v[::-1], mode) ValueError: object zu tief für die gewünschte array
    Das ist b/c, die Daten in Ihrem Fall ist eine mehrfache dimension numpy-array, und Sie sollten die übergabe eines one-dimension array. In Ihrem Fall wäre es geglättet = np.convolve(y, np.diejenigen/10)
    +10 "Nutzung pandas" Vorschlag. Nicht perfekt für jeden Fall, aber wahrscheinlich erspart einem viele Kopfschmerzen für den Mittelwert bei jemand diesen Beitrag Lesen.
    dies scheint cool zu sein, aber es scheint nicht zu verbessern, ein ähnliches problem, das habe ich hier und ich würde schätzen, wenn Sie konnten haben Sie einen Blick auf diese. stackoverflow.com/questions/45839123/...

    InformationsquelleAutor reptilicus

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

    Dies ist nicht der effizienteste Ansatz, aber es wird geben Sie Ihre Antwort, und ich bin mir unklar, wenn das Fenster 5 Punkte oder 10. Wenn die 10 ersetzen jeweils 5 mit 10 und die 4 mit der 9.

    InformationsquelleAutor sizzzzlerz

  5. 4

    Gibt es ein problem mit der akzeptierten Antwort. Ich denke, wir müssen "gültig" statt "gleichen" hier - return numpy.convolve(interval, window, 'same') .

    Als ein Beispiel, versuchen, die MA dieses Daten-set = [1,5,7,2,6,7,8,2,2,7,8,3,7,3,7,3,15,6] - das Ergebnis sollte [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], aber mit "gleichen" gibt uns eine falsche Ausgabe von [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]

    Rusty-code, um zu versuchen, diese out -:

    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)

    Versuchen, diese mit Gültiger & gleichen, und sehen, ob die Mathematik Sinn macht.

    Siehe auch: 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/

    Noch nicht ausprobiert, aber ich schau hinein, Es ist schon eine Weile her, dass ich in Python codiert.
    Warum gehst du nicht zu schnell versuchen, diese mit der rostigen code (und die sample-Daten-set(als einfache Liste), die ich gepostet ? Für einige faule Leute(wie ich war auf den ersten) - seine Masken aus der Tatsache, dass der gleitende Mittelwert ist falsch.Wahrscheinlich sollten Sie prüfen, Bearbeiten Sie Ihre ursprüngliche Antwort. Ich versuchte es gerade gestern und doppelte überprüfung hat mich gerettet Gesicht sah aus schlecht an die Berichterstattung zur Cxo-Ebene. Alles, was Sie tun müssen, ist zu versuchen, die den gleichen gleitenden Durchschnitt einmal mit "gültig" und das andere mal mit "gleichen" - und wenn Sie davon überzeugt sind, geben Sie mir einige Liebe(aka-up-Stimmen)
    Ich bin bei der Arbeit, die derzeit, damit ich nicht haben Zugang zu Python, aber wenn ich zu Hause bin werde ich es versuchen 🙂
    Tut mir Leid, ich habe nicht bekommen, zurück zu dir, hätte ich nicht die Python auf meinem comp damals so vergaß ich diese. Ich installierte es wieder, und ich versuchte, um die 'valid' im convolve, und habe den Fehler ValueError: x and y must have same first dimension. Ich überprüfte die Länge der mein array und Sie waren die gleichen. Ich selbst hatte die x = numpy.array(data[:,0]) y = numpy.array(data[:,1]), aber ich habe immer noch den gleichen Fehler.

    InformationsquelleAutor ekta

  6. 1

    Meine Moving Average-Funktion, ohne numpy-Funktion:

    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
    Sorry, fügen Sie die erste Zeile: aus Zukunft import-Abteilung. Ansonsten ist die Ausgabe int anstelle von float
    Sie können erzwingen, float-division in Python 2 durch die Verwendung eines dezimalpunktes in der 1: m = (m * i + A[i])/(i+1.)

    InformationsquelleAutor Armanda_An

  7. 0

    Ich denke, so etwas wie:

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

    Aber ich muss immer doppelt überprüfen Sie die Indizes sind zu tun, was ich erwarte. Den Bereich, den Sie wollen, ist (0, 5, 10, ...) und Daten[0:6] geben Sie Daten[0]...data[5]

    ETA: Oh, und Sie wollen ave eher als Summe natürlich. Also wirklich, die mit Ihrem code und die Formel:

    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]
    Mit diesem bin ich immer ein Bündel von arrays, und ich bekomme Fehler, wenn ich versuche zu zeichnen :\
    Sorry, nicht fix einen Tippfehler, sollte y1[i-r:i+r] anstelle von Daten
    Und sowieso, y1, hat len(y1) Punkte und y2 hat len(y1)/2r Punkten, so...wollen Sie Sie einzeln hinzufügen, um das Diagramm. Gehen Sie mit der convolve Lösungen statt!
    Wieder, für y2 ich bekommen, dass Sie [array[number, number], array[number, number]...] :\ ich brauche, um die zahlen zu zeichnen :\

    InformationsquelleAutor dreadsci

Schreibe einen Kommentar