Numpy convolve ชี้แจง เคลื่อนไหว ค่าเฉลี่ย

อืมดูเหมือนว่าง่ายที่จะใช้ฟังก์ชันนี้เป็นเรื่องง่ายสวยผิดและส่งเสริมการอภิปรายที่ดีเกี่ยวกับประสิทธิภาพของหน่วยความจำฉัน m ยินดีที่จะมีการขยายตัวถ้ามันหมายถึงรู้ว่าสิ่งที่ได้รับการทำถูกริชาร์ด 20 กันยายน 14 ที่ 19 23.NumPy การขาดการทำงานเฉพาะโดเมนโดยเฉพาะอาจเนื่องมาจากหลักเกณฑ์ของ Core Team และความจงรักภักดีต่อคำสั่ง NumPy s prime ให้มีประเภทอาร์เรย์ N มิติรวมถึงฟังก์ชันสำหรับการสร้างและการจัดทำดัชนีอาร์เรย์เหล่านี้เช่นเดียวกับวัตถุประสงค์พื้นฐานหลายประการ ไม่เล็กและ NumPy ไม่เก่ง. SciPy มีขนาดใหญ่กว่ามากมีห้องสมุดเฉพาะโดเมนที่เรียกว่า subpackages โดย SciPy devs เช่นการเพิ่มประสิทธิภาพการเพิ่มประสิทธิภาพเชิงตัวเลข signaling signal signaling และการคำนวณแคลคูลัสรวม ว่าฟังก์ชันที่คุณใช้หลังจากอยู่ในกลุ่มย่อย SciPy อย่างน้อยหนึ่งอย่างอาจเป็นอย่างไรก็ตามฉันจะดูเป็นครั้งแรกในชุด SciPy scikits ระบุ scikit ที่เกี่ยวข้องและมองหา ฟังก์ชั่นที่น่าสนใจมีคำแนะนำชุดพัฒนาขึ้นโดยอิสระบนพื้นฐานของ NumPy SciPy และนำไปสู่ระเบียบวินัยด้านเทคนิคโดยเฉพาะเช่น scikits-image scikits-learn ฯลฯ หลาย ๆ อย่างโดยเฉพาะอย่างยิ่ง OpenOpt น่ากลัวสำหรับการเพิ่มประสิทธิภาพเชิงตัวเลขได้รับการยอมรับอย่างสูง ก่อนที่จะเลือกที่จะอาศัยอยู่ใต้รูเล็ตใหม่ scikits ใหม่หน้าแรกของ Scikits ชอบรายการด้านบนประมาณ 30 scikits ดังกล่าวแม้ว่าอย่างน้อยหลายคนจะไม่อยู่ภายใต้การพัฒนาที่ใช้งานต่อไปนี้คำแนะนำจะนำคุณไป scikits-timeseries แต่แพคเกจที่ไม่มี อีกต่อไปภายใต้การพัฒนาที่ใช้งานได้ผล Pandas ได้กลายเป็น AFAIK ซึ่งเป็นชุดไลบรารีไทม์ NumPy ที่ใช้ de facto ซึ่งมีฟังก์ชันหลายอย่างที่สามารถนำมาใช้คำนวณค่าเฉลี่ยเคลื่อนที่ได้ง่ายที่สุดนั่นก็คือ rollingmean ซึ่งคุณใช้เช่นนี้ตอนนี้ เพียงเรียกใช้ฟังก์ชัน rollingmean ที่ส่งผ่านไปยังชุดข้อมูลและขนาดของหน้าต่างที่อยู่ในตัวอย่างด้านล่างของฉันคือ 10 days ยืนยันว่ามัน w orked - เช่นค่าที่เทียบกัน 10 - 15 ในชุดต้นฉบับกับชุดใหม่เรียบด้วยความหมายกลิ้ง. ฟังก์ชัน rollingmean พร้อมกับประมาณหนึ่งโหลหรืออื่น ๆ ฟังก์ชันจะถูกจัดกลุ่มอย่างไม่เป็นทางการในเอกสาร Pandas ภายใต้รูเล็ตย้ายหน้าต่างทำงานที่สอง. , กลุ่มที่เกี่ยวข้องของฟังก์ชันใน Pandas เรียกว่าฟังก์ชันที่มีการยกกำลังยกตัวอย่างเช่น ewma ซึ่งคำนวณค่าเฉลี่ยถ่วงน้ำหนักที่ชี้แจงข้อเท็จจริงความจริงที่ว่ากลุ่มที่สองนี้ไม่ได้รวมอยู่ในฟังก์ชันการเคลื่อนที่ของหน้าต่างแรกอาจเป็นเพราะการแปลงแบบทวีคูณ ความยาวคงที่ window. answered 14 ม. ค. 13 ที่ 6 38.technicalindicators 0 0 16 โมดูลนี้มีตัวชี้วัดทางเทคนิคบางอย่างสำหรับการวิเคราะห์หุ้นโมดูลนี้มีตัวชี้วัดทางเทคนิคบางอย่างสำหรับการวิเคราะห์หุ้นเมื่อฉันสามารถฉันจะเพิ่มมากขึ้นถ้าใครต้องการ มีส่วนร่วมกับรหัสใหม่หรือคำแนะนำการแก้ไขให้ความรู้สึกฟรีดัชนีความแข็งแกร่งของ RSI, ROC, MA Simple Moving Average SMA, Weighted Movi ค่าเฉลี่ยของ WMA, ค่าเฉลี่ยถ่วงน้ำหนักของ EMA Bollinger EMA Bollinger Bandwidth, Bolinger Bandwidth B. It ต้องใช้ numpy โมดูลนี้ทำและทดสอบภายใต้ Windows กับ Python 2 7 3 และ Numpy 1 6 1. ฉันรู้ว่านี่เป็นคำถามเก่า ๆ แต่ที่นี่ เป็นโซลูชันที่ไม่มีการใช้โครงสร้างข้อมูลหรือไลบรารีพิเศษใด ๆ เป็นข้อมูลเชิงเส้นในจำนวนองค์ประกอบของรายการอินพุทและฉันไม่สามารถคิดวิธีอื่นใดเพื่อให้มีประสิทธิภาพมากขึ้นจริงถ้าใครรู้วิธีที่ดีกว่าในการจัดสรรผล โปรดแจ้งให้เราทราบว่านี้จะเร็วขึ้นมากโดยใช้อาร์เรย์ numpy แทนรายการ แต่ฉันต้องการกำจัด dependencies ทั้งหมดนอกจากนี้ยังจะเป็นไปได้ในการปรับปรุงประสิทธิภาพโดยการดำเนินการแบบมัลติเธรดฟังก์ชั่นจะถือว่ารายการเข้าเป็น หนึ่งมิติเพื่อให้ careful. You สามารถคำนวณหมายถึงการทำงานกับโชคดีที่ numpy รวมถึงฟังก์ชัน convolve ที่เราสามารถใช้เพื่อเพิ่มความเร็วสิ่งขึ้นหมายถึงการทำงานเทียบเท่ากับ convolving x กับเวกเตอร์ที่เป็น N ยาวกับสมาชิกทุกคนเท่ากับ ถึง 1 N Th e numpy การใช้ convolve รวมถึงการเริ่มต้นชั่วคราวดังนั้นคุณจึงต้องลบจุดแรก N-1 ในเครื่องของฉันรุ่นที่รวดเร็วเป็น 20-30 ครั้งเร็วขึ้นอยู่กับความยาวของเวกเตอร์อินพุตและขนาดของหน้าต่างเฉลี่ย หมายเหตุว่า convolve จะรวมถึงโหมดเดียวกันซึ่งดูเหมือนว่าควรจะอยู่ปัญหาชั่วคราวเริ่มต้น แต่แยกระหว่างจุดเริ่มต้นและ end. It เอาชั่วคราวจากปลายและจุดเริ่มต้น doesn t มีหนึ่งฉันคิดว่ามัน เรื่องของลำดับความสำคัญฉัน don t ต้องการจำนวนเดียวกันของผลค่าใช้จ่ายในการรับความลาดชันไปทางศูนย์ที่ isn t มีในข้อมูล BTW นี่คือคำสั่งเพื่อแสดงความแตกต่างระหว่างโหมดโหมดเต็มรูปแบบเดียวกันพล็อตที่ถูกต้อง convolve คน 200, คน 50, 50, โหมด m สำหรับ m ในโหมดแกน -10, 251, - 1, 1 1 โหมดตำนาน loc ศูนย์ล่างกับ pyplot และ numpy lapis นำเข้า มี.ค. 24 14 ที่ 13 56.pandas จะเหมาะสมกว่า สำหรับเรื่องนี้มากกว่า NumPy หรือ SciPy ฟังก์ชันการทำงานของ Rollmean ช่วยให้งานทำได้สะดวก นอกจากนี้ยังส่งกลับอาร์เรย์ NumPy เมื่อใส่เป็น array. It เป็นเรื่องยากที่จะชนะ rollingmean ในการปฏิบัติกับการปฏิบัติใด ๆ ที่กำหนดเอง Python บริสุทธิ์นี่คือประสิทธิภาพตัวอย่างกับสองของ solutions. There เสนอยังเป็นตัวเลือกที่ดีในการจัดการกับ ค่าขอบ I m รำคาญเสมอโดยฟังก์ชั่นการประมวลผลสัญญาณที่ส่งกลับสัญญาณขาออกของรูปร่างที่แตกต่างกันกว่าสัญญาณอินพุทเมื่อทั้งสองปัจจัยการผลิตและผลที่มีลักษณะเดียวกันเช่นสัญญาณทั้งชั่วคราวจะแบ่งการติดต่อกับตัวแปรอิสระที่เกี่ยวข้องเช่นเวลาการทำความถี่ การวางแผนหรือการเปรียบเทียบไม่ใช่เรื่องตรงอย่างไรก็ตามถ้าคุณแบ่งปันความรู้สึกคุณอาจต้องการเปลี่ยนบรรทัดสุดท้ายของฟังก์ชันที่เสนอเป็นผลตอบแทนเดียวกัน y windowlen-1 - windowlen-1 Christian O Reilly 25 ส. ค. 15 ที่ 19 56.A bit ปลายไปงานเลี้ยง แต่ฉัน ve ทำฟังก์ชันเล็ก ๆ น้อย ๆ ของฉันเองที่ไม่ห่อรอบปลายหรือแผ่นที่มี zeroes ที่ใช้แล้วเพื่อหาค่าเฉลี่ยรวมทั้งการรักษาต่อไปคือว่ามันอีกครั้ง - ตัวอย่างสัญญาณที่จุดเว้นระยะเชิงเส้นปรับแต่งโค้ดที่จะได้รับคุณสมบัติอื่น ๆ วิธีการคือการคูณเมทริกซ์อย่างง่ายกับเคอร์เนล Gaussian normalized การใช้งานง่ายในสัญญาณไซน์ที่มีการกระจายเสียงรบกวนปกติคำถามนี้ตอนนี้ยังแก่ กว่าเมื่อ NeXuS เขียนเกี่ยวกับเรื่องนี้เมื่อเดือนที่แล้ว แต่ฉันชอบวิธีการรหัสของเขาเกี่ยวข้องกับกรณีขอบ แต่เนื่องจากเป็นค่าเฉลี่ยเคลื่อนที่ง่ายก็ผล lag หลังข้อมูลที่ใช้กับฉันคิดว่าการจัดการกับกรณีขอบในที่น่าพอใจมากขึ้น มากกว่าวิธี NumPy s ที่ถูกต้องเหมือนกันและเต็มรูปแบบสามารถทำได้โดยการใช้วิธีการที่คล้ายกับวิธีการตาม convolution. My ผลงานของฉันใช้ค่าเฉลี่ยกลางทำงานเพื่อจัดผลของกับข้อมูลของพวกเขาเมื่อมีสองจุดไม่กี่สามารถใช้ได้สำหรับหน้าต่างเต็มรูปแบบ ที่จะใช้ค่าเฉลี่ยที่คำนวณได้จากหน้าต่างที่เล็กลงอย่างต่อเนื่องที่ขอบของอาร์เรย์จริงจากหน้าต่างที่ใหญ่กว่าอย่างต่อเนื่อง แต่ที่รายละเอียดการดำเนินงานของมันค่อนข้างช้าข ecause ใช้ convolve และอาจจะ spruced ขึ้นค่อนข้างมากโดย Pythonista จริง แต่ผมเชื่อว่าแนวคิด stands. answered 2 มกราคมที่ 0 28 เป็นสิ่งที่ดี แต่ช้าเมื่อความกว้างของหน้าต่างเติบโตใหญ่คำตอบบางอย่างให้ขั้นตอนวิธีที่มีประสิทธิภาพมากขึ้น กับ แต่ดูเหมือนไม่สามารถจัดการค่าขอบฉันเองได้ใช้ขั้นตอนวิธีที่อาจจัดการกับปัญหานี้ได้ดีถ้าปัญหานี้ได้รับการประกาศเป็น mergenum parameter. Input สามารถคิดเป็น 2 windowwidth 1.I ทราบรหัสนี้ไม่สามารถอ่านได้เล็กน้อยถ้า u พบว่ามีประโยชน์และต้องการ expanations บางโปรดแจ้งให้เราทราบและฉันจะ update คำตอบนี้ตั้งแต่เขียนคำอธิบายอาจเสียค่าใช้จ่ายฉันมากเวลาฉันหวังว่าฉันจะทำเฉพาะเมื่อมีคนต้องการมันกรุณาให้อภัยฉันสำหรับความเกียจคร้านของฉันถ้าเพียง u เป็น สนใจใน version. It เดิมของมันมากยิ่งขึ้นไม่สามารถอ่านได้แก้ปัญหาแรกได้รับการกำจัดปัญหาขอบโดยช่องว่างภายในรอบอาร์เรย์ แต่โซลูชั่นที่สองโพสต์ที่นี่จัดการกับมันในทางที่ยากและตรงในประโยคสุดท้ายของฉันฉันพยายามที่จะระบุทำไมมันช่วยให้ข้อผิดพลาดจุดลอยถ้าสองค่าประมาณลำดับเดียวกันของขนาดแล้วเพิ่มพวกเขาสูญเสียความแม่นยำน้อยกว่าถ้าคุณเพิ่มจำนวนมากไปมากขนาดเล็กรหัสรวมค่าที่อยู่ติดกันในลักษณะที่แม้ผลรวมกลางควรเสมอ มีเหตุผลใกล้ชิดในขนาดเพื่อลดข้อผิดพลาดจุดลอยตัวไม่มีหลักฐานใดที่พิสูจน์ได้ แต่วิธีนี้ช่วยให้คู่โครงการดำเนินการได้ไม่ดีมากในการผลิต Mayur Patel Dec 15 14 at 17 22. Alleo แทนที่จะทำอย่างใดอย่างหนึ่งต่อค่าคุณจะเป็น ทำสองพิสูจน์เหมือนกันกับปัญหา bit-flipping แต่จุดของคำตอบนี้ไม่จำเป็นต้องมีประสิทธิภาพ แต่ความแม่นยำการใช้หน่วยความจำสำหรับค่าเฉลี่ย 64 บิตจะไม่เกิน 64 องค์ประกอบในแคชจึงเป็นมิตรในหน่วยความจำ การใช้งานเช่นกัน Mayur Patel 29 ธ. ค. ที่ผ่านมาที่ 17 04