python滑动平均函数

原创

mob64ca12e4594b 2023-11-20 09:37:03 ©著作权

文章标签 数据 Python 代码示例 文章分类 Python 后端开发

©著作权归作者所有：来自51CTO博客作者mob64ca12e4594b的原创作品，请联系作者获取转载授权，否则将追究法律责任

Python滑动平均函数

简介

滑动平均是一种常用的数据处理方法，用于平滑时间序列数据。它通过计算数据的移动平均值，可以消除数据中的噪声、波动和异常值，以便更好地理解数据的趋势和变化。在Python中，我们可以使用NumPy和Pandas等库来实现滑动平均函数。

本文将介绍滑动平均的原理和常见的实现方法，并通过代码示例演示如何使用Python实现滑动平均函数。

滑动平均的原理

滑动平均是一种离散时间信号平滑的方法，它通过计算数据的移动平均值来减小数据中的波动和噪声。滑动平均的原理是将数据分成若干个窗口，每个窗口中的数据求平均值，然后将平均值作为新的数据点。

滑动平均函数的定义如下：

def moving_average(data, window_size):
    smoothed_data = []
    for i in range(len(data) - window_size + 1):
        window = data[i:i+window_size]
        average = sum(window) / window_size
        smoothed_data.append(average)
    return smoothed_data

其中，data是原始数据，window_size是窗口大小。函数通过遍历数据，每次取窗口大小的数据进行求平均值，并将平均值添加到平滑数据中。最后返回平滑数据。

代码示例

下面是一个使用Python实现滑动平均函数的代码示例：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

def moving_average(data, window_size):
    smoothed_data = []
    for i in range(len(data) - window_size + 1):
        window = data[i:i+window_size]
        average = sum(window) / window_size
        smoothed_data.append(average)
    return smoothed_data

# 生成随机数据
np.random.seed(0)
data = np.random.rand(100)

# 计算滑动平均
window_size = 5
smoothed_data = moving_average(data, window_size)

# 绘制原始数据和平滑数据
plt.plot(data, label='Original Data')
plt.plot(smoothed_data, label='Smoothed Data')
plt.legend()
plt.show()

在上面的代码中，我们首先导入了NumPy、Pandas和Matplotlib库。然后定义了moving_average函数来实现滑动平均。接下来，我们生成了100个随机数据，并设置窗口大小为5。最后，我们使用Matplotlib库将原始数据和平滑数据绘制成折线图。

运行以上代码，我们可以看到原始数据和滑动平均后的数据的对比图。滑动平均后的数据更加平滑，可以更好地反映数据的趋势。