Sintaksa:
Pomični prosjek možemo izračunati na različite načine koji su sljedeći:
Metoda 1:
NumPy. cumsum ( )Vraća zbroj elemenata u danom nizu. Pomični prosjek možemo izračunati dijeljenjem rezultata funkcije cumsum() s veličinom niza.
Metoda 2:
NumPy. i . prosjek ( )Ima sljedeće parametre.
a: podaci u obliku niza koji treba izračunati prosjek.
os: njegov tip podataka je int i to je izborni parametar.
težina: također je niz i opcijski parametar. Može biti istog oblika kao 1-D oblik. U slučaju jednodimenzionalnog, mora imati jednaku duljinu kao niz 'a'.
Imajte na umu da se čini da ne postoji standardna funkcija u NumPy za izračunavanje pomičnog prosjeka pa se to može učiniti nekim drugim metodama.
Metoda 3:
Druga metoda koja se može koristiti za izračunavanje pomičnog prosjeka je:
npr. smotati u rolnu ( a , u , način rada = 'puno' )U ovoj sintaksi, a je prva ulazna dimenzija, a v je druga ulazna dimenzija. Način je izborna vrijednost, može biti pun, isti i valjan.
Primjer # 01:
Sada, da objasnimo više o pokretnom prosjeku u Numpyju, dat ćemo primjer. U ovom primjeru izvući ćemo pomični prosjek niza pomoću funkcije konvolve NumPy. Dakle, uzet ćemo niz 'a' sa 1,2,3,4,5 kao njegovim elementima. Sada ćemo pozvati funkciju np.convolve i pohraniti njen izlaz u našu varijablu 'b'. Nakon toga ćemo ispisati vrijednost naše varijable “b”. Ova funkcija će izračunati pomični zbroj našeg ulaznog polja. Ispisat ćemo izlaz da vidimo je li naš izlaz točan ili ne.
Nakon toga, pretvorit ćemo naš izlaz u pomični prosjek koristeći istu metodu konvolve. Da bismo izračunali pomični prosjek, samo ćemo morati podijeliti pomični zbroj s brojem uzoraka. Ali glavni problem ovdje je taj što je ovo pomični prosjek, broj uzoraka se stalno mijenja ovisno o lokaciji na kojoj se nalazimo. Dakle, da bismo riješili taj problem, jednostavno ćemo napraviti popis nazivnika i to moramo pretvoriti u prosjek.
U tu svrhu inicijalizirali smo drugu varijablu “denom” za nazivnik. Jednostavan je za razumijevanje popisa pomoću trika raspona. Naš niz ima pet različitih elemenata tako da će broj uzoraka na svakom mjestu ići od jedan do pet, a zatim natrag od pet do jedan. Dakle, jednostavno ćemo dodati dvije liste zajedno i pohranit ćemo ih u naš parametar 'denom'. Sada ćemo ispisati ovu varijablu da provjerimo je li nam sustav dao prave nazivnike ili ne. Nakon toga, podijelit ćemo naš pomični zbroj s nazivnicima i ispisati ga pohranjujući izlaz u varijablu 'c'. Izvršimo naš kod da provjerimo rezultate.
uvoz numpy kao npr.a = [ 1 , dva , 3 , 4 , 5 ]
b = npr. smotati u rolnu ( a , npr. one_like ( a ) )
ispisati ( 'Pokretna suma' , b )
Ime = popis ( domet ( 1 , 5 ) ) + popis ( domet ( 5 , 0 , - 1 ) )
ispisati ( 'Nazivnici' , Ime )
c = npr. smotati u rolnu ( a , npr. one_like ( a ) ) / Ime
ispisati ( 'Pokretni prosjek' , c )
Nakon uspješnog izvođenja našeg koda, dobit ćemo sljedeći izlaz. U prvom retku ispisali smo “Pokretni zbroj”. Vidimo da imamo '1' na početku i '5' na kraju niza, baš kao što smo imali u izvornom nizu. Ostali brojevi su zbrojevi različitih elemenata našeg niza.
Na primjer, šest na trećem indeksu niza dolazi od zbrajanja 1, 2 i 3 iz našeg ulaznog niza. Deset na četvrtom indeksu dolazi od 1, 2, 3 i 4. Petnaest dolazi od zbrajanja svih brojeva zajedno, i tako dalje. Sada, u drugom retku našeg izlaza, ispisali smo nazivnike našeg niza.
Iz našeg rezultata možemo vidjeti da su svi nazivnici točni, što znači da ih možemo podijeliti s našim pokretnim nizom zbroja. Sada prijeđite na posljednji redak izlaza. U posljednjem retku možemo vidjeti da je prvi element našeg niza pokretnog prosjeka 1. Prosjek od 1 je 1, tako da je naš prvi element točan. Prosjek 1+2/2 bit će 1,5. Vidimo da je drugi element našeg izlaznog niza 1,5 tako da je drugi prosjek također točan. Prosjek od 1,2,3 bit će 6/3=2. To također čini naš izlaz točnim. Dakle, iz rezultata možemo reći da smo uspješno izračunali pomični prosjek niza.
Zaključak
U ovom smo vodiču naučili o pomičnim prosjekima: što je pomični prosjek, čemu se koristi i kako izračunati pomični prosjek. Detaljno smo ga proučili i s matematičkog i s programskog gledišta. U NumPyju ne postoji posebna funkcija ili proces za izračunavanje pomičnog prosjeka. Ali postoje različite druge funkcije uz pomoć kojih možemo izračunati pomični prosjek. Napravili smo primjer za izračunavanje pomičnog prosjeka i opisali svaki korak našeg primjera. Pomični prosjeci koristan su pristup predviđanju budućih rezultata uz pomoć postojećih podataka.