滑动平均窗口的python程序代码,复制可直接运行,同时对每一行代码作出了详细的解释!!

文章目录

  • 前言
  • 一、滑动平均窗口的python程序代码,复制可直接运行
  • 二、实验结果显示
  • 三、每一行代码的详细解释


前言

滑动平均窗口是指用一定数量的数据点来计算平均值,然后随着新数据点的加入和旧数据点的移除,不断更新平均值的方法。

一、滑动平均窗口的python程序代码,复制可直接运行

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.family'] = 'Microsoft YaHei'

import matplotlib
matplotlib.use('TkAgg')

# 生成随机数据
data = np.random.randn(100)

# 滑动窗口大小
window_size = 10

# 计算滑动平均值
sma = np.convolve(data, np.ones(window_size)/window_size, mode='valid')

# 绘制原始数据和滑动平均值
plt.plot(data, color='b', label='原始数据')
plt.plot(sma, color='r', label='滑动平均值')
plt.legend(loc='best')
plt.title('滑动平均窗口示例')
plt.show()

二、实验结果显示

滑动平均窗口的python程序代码,复制可直接运行,同时对每一行代码作出了详细的解释!!_第1张图片

三、每一行代码的详细解释

import numpy as np:导入numpy库,并将其简写为np,以方便后续代码编写。

import matplotlib.pyplot as plt:导入matplotlib.pyplot模块,并将其简写为plt,用于绘图。

plt.rcParams['font.family'] = 'Microsoft YaHei':设置绘图的字体为微软雅黑。

import matplotlib:导入matplotlib库。

matplotlib.use('TkAgg'):设置matplotlib的后端为TkAgg,这样可以在图形用户界面上显示结果。

data = np.random.randn(100):使用numpy的随机数生成函数np.random.randn生成100个标准正态分布的随机数,并将这些随机数赋值给变量data。

window_size = 10:定义一个变量window_size,并将其值设为10,表示滑动窗口的大小为10。

sma = np.convolve(data, np.ones(window_size)/window_size, mode='valid'):使用numpy的卷积函数np.convolve计算滑动平均值。这里使用了一个长度为window_size的常数序列(都是1),并将其反转(因为卷积是对称的),然后以有效模式(即不进行填充)进行卷积,这样得到的结果就是从数据开始位置到当前位置的滑动平均值。结果赋值给变量sma。

plt.plot(data, color='b', label='原始数据'):使用matplotlib的plot函数绘制原始数据,颜色为蓝色,并设置标签为“原始数据”。

plt.plot(sma, color='r', label='滑动平均值'):使用matplotlib的plot函数绘制滑动平均值,颜色为红色,并设置标签为“滑动平均值”。

plt.legend(loc='best'):使用matplotlib的legend函数显示图例,位置设置为最佳位置。

plt.title('滑动平均窗口示例'):设置图的标题为“滑动平均窗口示例”。

plt.show():使用matplotlib的show函数显示图形。


你可能感兴趣的:(机器学习算法,Python程序代码,python,开发语言)