Hmmm, wydaje się, że ta łatwa do wdrożenia funkcja jest całkiem łatwa do złego i popierała dobrą dyskusję na temat efektywności pamięci Chętnie się rozkwitam, jeśli znaczy, że coś zostało zrobione prawy Richard Sep 20 14 w 19 23.NumPy brak specyficznej specyfiki domeny jest prawdopodobnie związany z dyscypliną Core Team i wiernością pierwszemu standardowi NumPy, zapewniając N-wymiarowy typ tablicy oraz funkcje do tworzenia i indeksowania tych tablic Podobnie jak wiele założeń podstawowych, ta nie jest mały, a program NumPy robi to błyskotliwie. Dużo większa SciPy zawiera znacznie większą kolekcję domenowych bibliotek zwanych podpakietami przez SciPy devs - na przykład optymalizację optymalizacji numerycznej, sygnał procesowy sygnału i integralną integrację z rachunkiem. Myślam, że że twoja funkcja jest przynajmniej w jednym z podpakietów SciPy, być może jednak najpierw spróbowałem znaleźć kolekcję science-fiction SciPy zidentyfikować odpowiednie scikity i poszukać funkcja zainteresowania. Scikity są niezależnie opracowane pakiety oparte na programie NumPy SciPy i skierowane do konkretnej dyscypliny technicznej, np. scikits-image scikits-learn etc Kilka z nich było w szczególności niesamowite, OpenOpt dla optymalizacji numerycznej były wysoko oceniane, dojrzałe projekty długie zanim zdecydujesz się zamieszkać w stosunkowo nowych rubrykach scikits Strona dominikańska odwiedziła ponad 30 takich scikitów, chociaż przynajmniej niektóre z nich nie są już aktywnie rozwijane. Zgodnie z tą radą prowadziłbyś do scikits-timeseries, jednak pakiet ten nie ma dłużej w aktywnym rozwoju W efekcie, Pandas stał się, AFAIK, de facto NumPy opartej na szeregach bibliotek. Pandas ma kilka funkcji, które można wykorzystać do obliczenia średniej ruchomej najprostszym z nich jest prawdopodobnie rollingmean, które używasz tak jak teraz. , wystarczy wywołać funkcję rollingmean przechodzącą w obiekcie Series i rozmiar okna, który w poniższym przykładzie to 10 days. verify that it w orked - np. porównywalne wartości 10 - 15 w oryginalnych seriach w porównaniu do nowych serii wygładzonych środkiem walcowniczym. Funkcja rollingmean wraz z około kilkunastu innymi funkcjami jest nieformalnie zgrupowana w dokumentacji Pandas w rubryce, , związana z nimi grupa funkcji w Pandas jest określana jako funkcje ważności wykładniczej, np. ewma, która oblicza wykładniczo zwiększoną ważoną średnią. Fakt, że ta druga grupa nie jest włączona do pierwszych funkcji ruchomych okien może wynika z faktu, że transformowane wykładniczo wykłady nie zależą od okno o stałej długości. odpowiedzi 14 stycznia na 6 38.informatyka techniczna 0 0 16. Ten moduł zawiera pewne techniczne wskaźniki analizy zasobów. Ten moduł zawiera pewne techniczne wskaźniki do analizy zasobów. Wtedy mogę dodać więcej. Jeśli ktoś chce do wnoszenia wkładu w nowe kodeksy lub sugestie korekcji, poczuj się swobodnie. Relatywna siła indeksu RSI, ROC, koperty MA Simple Moving Average SMA, Weighted Movi ng Average WMA, średnie ruchome wykładnicze EMA Bollinger Bands BB, Bollinger Bandwidth, B. It wymaga numpy. This moduł został wykonany i przetestowany pod Windows z Python 2 7 3 i numpy 1 6 1.Wiem, że to jest stare pytanie, ale tutaj jest rozwiązaniem, które nie używa dodatkowych struktur danych lub bibliotek Jest liniowa w liczbie elementów listy wejściowej i nie mogę myśleć o żadnym innym sposobie, aby uczynić go wydajniejszym, jeśli ktoś zna lepszy sposób na alokację wyniku , proszę dać mi znać. NOTE to byłoby znacznie szybsze przy użyciu numpy tablicy zamiast listy, ale chciałem wyeliminować wszystkie zależności Byłoby to również możliwe do poprawy wydajności przez wielowątkowe wykonanie. Funkcja zakłada, że lista wejściowa jest jeden wymiar, więc bądź ostrożny. Możesz obliczyć biegnącą średnią z. Na szczęście, numpy zawiera funkcję konwekcyjną, którą możemy użyć do przyspieszenia rzeczy. Bieżąca średnia jest równoważna x x z wektorem, który jest N dłuższy, a wszystkie elementy równe do 1 N Th e numpy implementacja convolve obejmuje początkowe przejściowe, więc musisz usunąć pierwsze punkty N-1. Na mojej maszynie szybka wersja jest 20-30 razy szybsza, w zależności od długości wektora wejściowego i wielkości okna uśredniania. Pamiętaj, że convolve zawiera ten sam tryb, który wydaje się, że powinien on odnosić się do początkowej przejściowej kwestii, ale dzieli ją od początku i końca. Usuwa przejście od końca, a początek nie ma jednego. to priorytetów, nie potrzebuję tej samej liczby wyników na koszt uzyskania stoku w kierunku zero, który nie ma w danych BTW, tutaj jest polecenie, aby pokazać różnicę między trybami tryby pełny, taki sam, ważny wykres 200,, 50, 50, tryb m dla osi w trybach -10, 251, - 1, 1 1 tryby legendy, loc dolne centrum z pyplotem i numpy importowane lapis 24 marca w 13 56.pandas jest bardziej odpowiednie dla tego niż NumPy lub SciPy Jego funkcja roli ułatwia pracę Zwraca również tablicę NumPy, gdy dane wejściowe są tablicą. Trudno pokonać rollingmean w wydajności z dowolną niestandardową implementacją Pythona Oto przykładowa wydajność w stosunku do dwóch proponowanych rozwiązań. Są też dobre opcje, jak radzić sobie wartości krawędzi. I m zawsze zirytowany przez funkcję przetwarzania sygnału, która zwraca sygnały wyjściowe o różnym kształcie niż sygnały wejściowe, gdy oba wejścia i wyjścia mają taki sam charakter, np. zarówno sygnały czasowe łamie korespondencję z powiązaną niezależną zmienną np. czas, częstotliwość nawet jeśli nie podzielisz tego uczucia, możesz podzielić się ostatnimi wierszami proponowanej funkcji jako taką samą zwrocią, Christian Willemlinger 25 sierpnia 15 w 19 56. A bit spóźniłem się na imprezę, ale ja zrobiłem własną własną funkcję, która NIE owija się wokół końców lub wkładek z zera, które są następnie wykorzystywane do znalezienia średniej, jak również w kolejnym traktowaniu, że to również - próbki sygnału w punktach rozmieszczonych liniowo Dostosuj kod na żądanie, aby uzyskać inne funkcje. Metoda jest prostym mnożeniem macierzy z znormalizowanym jądrem Gaussa. Prosty sposób użycia na sinusoidalnym sygnale z dodatkiem normalnego rozproszonego szumu. Pytanie to jest jeszcze starsze niż kiedy NeXuS napisał o tym w zeszłym miesiącu, ale ja lubię, jak jego kod dotyczy przypadków krawędzi, ale ponieważ jest to prosta średnia ruchoma, wyniki są opóźnione w stosunku do danych, które dotyczą do myślenia, że zajmowanie się sprawami krawędzi w bardziej satysfakcjonującym a tryby NumPy są takie same i pełne można osiągnąć, stosując podobne podejście do metody opartej na splataniu. Mój wkład wykorzystuje centralną średnią bieżącej, aby wyrównać jej wyniki z danymi Gdy w oknie pełnej wielkości dostępne są dwa punkty które mają być używane, średnie uruchomione są obliczane z kolejno mniejszych okien na krawędziach tablicy Właściwie z kolejno dużych okien, ale to szczegółowo implementacji. Jest to stosunkowo powolne b ecause używa convolve i prawdopodobnie być spruced dość dużo przez prawdziwą Pythonista, jednak wierzę, że pomysł stoi. je odpowiedzi Jan 2 w 0 28. jest ładny, ale powolne, gdy szerokość okna rośnie Duża Niektóre odpowiedzi zapewniają bardziej efektywne algorytmy z ale wydaje się niezdolny do obsługi wartości krawędzi ja sam zaimplementował algorytm, który może obsłużyć ten problem dobrze, jeśli ten problem został zadeklarowany as. Input parametr mergenum można uznać za 2 windowwidth 1.I znać ten kod jest trochę nieczytelny, jeśli u znajdź to przydatne i chcesz trochę ekspansji, daj mi znać i zaktualizuję tę odpowiedź Ponieważ pisanie wyjaśnienia może kosztować mn dużo czasu, mam nadzieję, że to robię tylko wtedy, gdy ktoś potrzebuje tego Proszę wybaczyć mi za moje lenistwo. Jeśli tylko jesteś zainteresowanie jego pierwotną wersją. Nie jest jeszcze bardziej nieczytelne pierwsze rozwiązanie pozbywa się problemu krawędzi przez zerowe wypełnienie wokół tablicy, ale drugie rozwiązanie rozwiązało problem z tym trudnym i bezpośrednim sposobem. W ostatnim zdaniu starałem się wskazać dlaczego pomaga błąd zmiennoprzecinkowy Jeśli dwie wartości są w przybliżeniu takie same wielkości, to dodanie ich traci mniej precyzji niż jeśli dodałeś bardzo dużą liczbę do bardzo małej Kod łączy wartości sąsiednie w taki sposób, że nawet sumy pośrednie powinny zawsze być w rozsądnej bliskości wielkości, aby zminimalizować błąd zmiennoprzecinkowy Nic nie jest dowodem na głupotę, ale ta metoda uratowała kilka bardzo słabo zrealizowanych projektów w produkcji Mayur Patel 15 grudnia 14 w 17 22. Alleo Zamiast robić jedno dodanie za wartość, będziesz robi dwa Dowód jest taki sam jak problem z odrywaniem bitów Jednak punktem tej odpowiedzi niekoniecznie jest wydajność, ale precyzyjne wykorzystanie pamięci dla uśrednionych 64-bitowych wartości nie przekroczy 64 elementów w pamięci podręcznej, więc jest przyjazne w pamięci a także Mayur Patel 29 grudnia w dniu 17 04.
No comments:
Post a Comment