一维数组的加权平滑 - Python答案

【问题标题】：Weighted smoothing of a 1D array - Python一维数组的加权平滑 - Python
【发布时间】：2016-02-06 19:01:27
【问题描述】：

我对 Python 很陌生，我有一些参数检测数组，其中一些值被错误地检测到（例如 4555555）：

array = [1, 20, 55, 33, 4555555, 1]

我想以某种方式平滑它。现在我正在使用加权平均数：

def smoothify(array):
    for i in range(1, len(array) - 2):
        array[i] = 0.7 * array[i] + 0.15 * (array[i - 1] + array[i + 1])
    return array

但它的效果很差，当然，我们可以取超过 3 个元素的加权平均值，但它会导致复制粘贴...我试图为此找到一些本机函数，但我失败了。

你能帮我解决这个问题吗？

附：对不起，如果这是一个菜鸟问题:(

感谢您的宝贵时间，最好的问候，安娜

【问题讨论】：

标签： python numpy smoothing

【解决方案1】：

出于加权平滑的目的，您基本上希望执行convolution。对于我们的例子，由于我们处理的是一维数组，我们可以简单地使用 NumPy 的一维卷积函数：np.convolve 来获得矢量化解决方案。这里要记住的唯一重要的事情是，考虑到卷积的性质，权重将被反转，该卷积使用在主输入数组中滑动的反转版本的内核。因此，解决方案是 -

weights = [0.7,0.15,0.15]
out = np.convolve(array,np.array(weights)[::-1],'same')

如果您希望获得加权平均值，您可以使用out/sum(weights) 获得那些。在我们的例子中，由于给定权重的总和已经是 1，所以输出将保持与 out 相同。

让我们绘制输出和输入以进行图形调试 -

# Input array and weights
array = [1, 20, 55, 33, 455, 200, 100, 20 ]
weights = [0.7,0.15,0.15]

out = np.convolve(array,np.array(weights)[::-1],'same')

x = np.arange(len(array))
f, axarr = plt.subplots(2, sharex=True, sharey=True)
axarr[0].plot(x,array)
axarr[0].set_title('Original and smoothened arrays')
axarr[1].plot(x,out)

输出 -

【讨论】：

【解决方案2】：

建议numpy.average 帮助您解决此问题。诀窍是计算权重 - 下面我压缩了三个列表 - 一个与原始数组相同，下一步向前，下一步落后。获得权重后，我们将它们输入np.average 函数

import numpy as np
array = [1, 20, 55, 33, 4555555, 1]
arrayCompare = zip(array, array[1:] + [0], [0] + array)

weights = [.7 * x + .15 * (y + z) for x, y, z in arrayCompare]

avg = np.average(array, weights=weights)

【讨论】：

【解决方案3】：

也许你想看看 numpy，尤其是numpy.average。另外，你看到这个问题Weighted moving average in python了吗？也可能有帮助。

【讨论】：

【解决方案4】：

既然你用 numpy 标记了这个，我写了我将如何用 numpy 做到这一点：

import numpy as np

def smoothify(thisarray):
    """
    returns moving average of input using:
    out(n) = .7*in(n) + 0.15*( in(n-1) + in(n+1) )
    """

    # make sure we got a numpy array, else make it one
    if type(thisarray) == type([]): thisarray = np.array(thisarray)

    # do the moving average by adding three slices of the original array
    # returns a numpy array,
    # could be modified to return whatever type we put in...
    return 0.7 * thisarray[1:-1] + 0.15 * ( thisarray[2:] + thisarray[:-2] )

myarray = [1, 20, 55, 33, 4555555, 1]
smootharray = smoothify(myarray)

使用 numpy 可以通过索引获得“切片”，而不是循环遍历原始数组。输出数组将比输入数组短两个项目。中心点 (n) 是 thisarray[1:-1] ：“从项目索引 1 到最后一个项目（不包括在内）”。其他切片是“从索引 2 到结尾”和“除最后两个之外的所有内容”

【讨论】：