Enumerable#each_cons 方法非常适合这种计算:
def moving_average(a, ndays, precision)
a.each_cons(ndays).map { |e| e.reduce(&:+).fdiv(ndays).round(precision) }
end
a = [3, 4, 1, 2, 5, 9, 7, 8, 9, 11]
moving_average(a,3,2)
#=> [2.67, 2.33, 2.67, 5.33, 7.0, 8.0, 8.0, 9.33]
对于这个例子,
enum = a.each_cons(3)
#=> #<Enumerator: [3, 4, 1, 2, 5, 9, 7, 8, 9, 11]:each_cons(3)>
枚举器enum传入块中的值可以通过将enum转换为数组得到:
enum.to_a
#=> [[3, 4, 1], [4, 1, 2], [1, 2, 5], [2, 5, 9],
# [5, 9, 7], [9, 7, 8], [7, 8, 9], [8, 9, 11]]
map 然后将这些元素中的每一个转换为平均值。
如果a和ndays很大,可以通过如下方式实现更高的效率。
def moving_average(a,ndays,precision)
(0..a.size-ndays-1).each_with_object([a[0,ndays].sum]) do |i,arr|
arr << arr.last - a[i] + a[i+ndays]
end.map { |tot| tot.fdiv(ndays).round(precision) }
end
moving_average(a,3,2)
#=> [2.67, 2.33, 2.67, 5.33, 7.0, 8.0, 8.0, 9.33]
合计后
tot1 = [3, 4, 1].sum
#=> 8
计算第一个 3 天移动平均线所需的,计算第二个 3 天移动平均线所需的 [4, 1, 2] 的总数计算如下:
tot2 = tot1 + 2 - 3
#=> 7
其中2 是[4, 1, 2] 的最后一个元素,3 是[3, 4, 1] 的第一个元素。
虽然此示例没有节省时间,但可以看出,当 a 和 ndays 很大时,计算前一个总数将节省时间,因为计算复杂度从 O(n^2) 降低到 @ 987654342@,其中n = a.size。