Saturday 18 November 2017

Moving Average Filter Scipy


Die folgenden Beispiele erzeugen einen gleitenden Durchschnitt der vorhergehenden WINDOW-Werte. Wir schneiden die ersten (WINDOW -1) Werte ab, da wir den Durchschnitt vor ihnen finden können. (Das Standardverhalten für die Konvolution besteht darin, dass Werte vor dem Beginn unserer Sequenz 0 sind). (Formalerweise konstruieren wir die Folge y für die Folge x mit yi (xi x (i1) 8230. x (in)) n) Dies nutzt die numpy8217s-Faltungsfunktion. Dies ist ein gleitender Durchschnittsbetrieb. Ändern von Gewichtungen macht einige Werte wichtiger Offsetting entsprechend können Sie die durchschnittliche als um Punkt zu sehen, anstatt vor Punkt. Anstatt die Werte zu verkürzen, können wir die Anfangswerte festlegen, wie es in diesem Beispiel veranschaulicht ist: numpy. access Axis, Wenn Keine. Wird eine Mittelung über das abgeflachte Array durchgeführt. Gewichte. Arraylike, optional Ein Array von Gewichten in Verbindung mit den Werten in einer. Jeder Wert in a trägt zum Durchschnitt nach seinem zugehörigen Gewicht bei. Die Gewichtsanordnung kann entweder 1-D (in diesem Fall ihre Länge die Größe von a entlang der gegebenen Achse sein) oder von der gleichen Form wie a sein. Wenn weightsNone. Dann wird angenommen, daß alle Daten in a ein Gewicht gleich Eins haben. ist zurückgekommen . Bool, optional Der Standardwert ist False. Wenn wahr . Wird das Tupel (durchschnittliche Summengewichte) zurückgegeben, ansonsten wird nur der Durchschnitt zurückgegeben. Wenn weightsNone. Die Summe der Gewichtungen entspricht der Anzahl der Elemente, über die der Durchschnitt genommen wird. Durchschnittlich, sumofweights. Arraytype oder double Gibt den Durchschnitt entlang der angegebenen Achse zurück. Wenn die Rückgabe True ist. Ein Tupel mit dem Durchschnitt als das erste Element und die Summe der Gewichte als zweites Element zurück. Der Rückgabetyp ist Float, wenn a vom Integer-Typ ist, andernfalls ist er vom gleichen Typ wie a. Sumofweights ist vom gleichen Typ wie Durchschnitt.

No comments:

Post a Comment