Sintaxe:
Podemos calcular a média móvel de várias maneiras, como segue:
Método 1:
NumPy. cumsum ( )Ele retorna a soma dos elementos na matriz fornecida. Podemos calcular a média móvel dividindo a saída de cumsum() pelo tamanho do array.
Método 2:
NumPy. e . média ( )Tem os seguintes parâmetros.
a: dados em forma de matriz que devem ser calculados.
axis: seu tipo de dado é int e é um parâmetro opcional.
weight: também é um array e um parâmetro opcional. Pode ser da mesma forma que uma forma 1-D. No caso de um dimensional, ele deve ter um comprimento igual ao do array “a”.
Observe que parece não haver uma função padrão no NumPy para calcular a média móvel para que isso possa ser feito por alguns outros métodos.
Método 3:
Outro método que pode ser usado para calcular a média móvel é:
por exemplo. envolver ( uma , dentro , modo = 'cheio' )Nesta sintaxe, a é a primeira dimensional de entrada e v é o segundo valor dimensional de entrada. Modo é o valor opcional, pode ser completo, igual e válido.
Exemplo # 01:
Agora, para explicar mais sobre a média móvel no Numpy, vamos dar um exemplo. Neste exemplo, tiraremos a média móvel de um array com a função convolve de NumPy. Então, vamos pegar um array “a” com 1,2,3,4,5 como seus elementos. Agora, vamos chamar a função np.convolve e armazenar sua saída em nossa variável “b”. Depois disso, vamos imprimir o valor da nossa variável “b”. Esta função irá calcular a soma móvel do nosso array de entrada. Vamos imprimir a saída para ver se nossa saída está correta ou não.
Depois disso, converteremos nossa saída para a média móvel usando o mesmo método de convolução. Para calcular a média móvel, basta dividir a soma móvel pelo número de amostras. Mas o principal problema aqui é que, como esta é uma média móvel, o número de amostras continua mudando dependendo do local em que estamos. Então, para resolver esse problema, vamos simplesmente criar uma lista de denominadores e precisamos transformar isso em uma média.
Para isso, inicializamos outra variável “denom” para o denominador. É simples para a compreensão da lista usando o truque do intervalo. Nosso array tem cinco elementos diferentes, então o número de amostras em cada lugar irá de um para cinco e depois diminuirá de cinco para um. Então, vamos simplesmente somar duas listas e vamos armazená-las em nosso parâmetro “denom”. Agora, vamos imprimir esta variável para verificar se o sistema nos deu os verdadeiros denominadores ou não. Depois disso, vamos dividir nossa soma móvel com os denominadores e imprimi-la armazenando a saída na variável “c”. Vamos executar nosso código para verificar os resultados.
importar numpy Como por exemplo.uma = [ 1 , dois , 3 , 4 , 5 ]
b = por exemplo. envolver ( uma , por exemplo. uns_like ( uma ) )
imprimir ( 'Soma em Movimento' , b )
nome = Lista ( variar ( 1 , 5 ) ) + Lista ( variar ( 5 , 0 , - 1 ) )
imprimir ( 'Denominadores' , nome )
c = por exemplo. envolver ( uma , por exemplo. uns_like ( uma ) ) / nome
imprimir ( 'Média Móvel' , c )
Após a execução bem-sucedida do nosso código, obteremos a seguinte saída. Na primeira linha, imprimimos a “Moving Sum”. Podemos ver que temos “1” no início e “5” no final do array, assim como tínhamos no array original. O resto dos números são as somas de diferentes elementos do nosso array.
Por exemplo, seis no terceiro índice do array vem da adição de 1,2 e 3 do nosso array de entrada. Dez no quarto índice vem de 1,2,3 e 4. Quinze vem da soma de todos os números e assim por diante. Agora, na segunda linha de nossa saída, imprimimos os denominadores do nosso array.
De nossa saída, podemos ver que todos os denominadores são exatos, o que significa que podemos dividi-los com nossa matriz de soma móvel. Agora, vá para a última linha da saída. Na última linha, podemos ver que o primeiro elemento do nosso Array de média móvel é 1. A média de 1 é 1, então nosso primeiro elemento está correto. A média de 1+2/2 será 1,5. Podemos ver que o segundo elemento do nosso array de saída é 1,5, então a segunda média também está correta. A média de 1,2,3 será 6/3=2. Também torna nossa saída correta. Assim, a partir da saída, podemos dizer que calculamos com sucesso a média móvel de um array.
Conclusão
Neste guia, aprendemos sobre médias móveis: o que é média móvel, quais são seus usos e como calcular a média móvel. Nós o estudamos em detalhes do ponto de vista matemático e de programação. No NumPy, não há função ou processo específico para calcular a média móvel. Mas existem diferentes outras funções com as quais podemos calcular a média móvel. Fizemos um exemplo para calcular a média móvel e descrevemos cada passo do nosso exemplo. As médias móveis são uma abordagem útil para prever resultados futuros com a ajuda de dados existentes.