Implementieren eines effizienten Rollfensters für 1D-Arrays in Numpy

Das Konzept eines Rollfensters beinhaltet das Durchlaufen einer Datensequenz und das Anwenden einer Berechnung auf Teilmengen von Daten innerhalb einer angegebenen Fensterlänge. Im gegebenen Kontext besteht die Aufgabe darin, die rollierende Standardabweichung eines 1D-Arrays in Numpy zu berechnen, ohne Python-Schleifen zu verwenden.

Während die Standardabweichung leicht mit Numpy.std ermittelt werden kann, stellt der rollierende Fensterteil einen dar Herausforderung. Durch die Nutzung der im Blogbeitrag vorgestellten Funktion „rolling_window“ können wir ihre Funktionalität jedoch auf 1D-Arrays erweitern.

Die Funktion „rolling_window“ erstellt eine Ansicht des Eingabearrays, das in eine Reihe überlappender Fenster neu angeordnet ist. Dies erleichtert eine effiziente Berechnung in diesen Fenstern. Indem wir die gewünschte Funktion, in diesem Fall Numpy.std, auf jedes Fenster anwenden, erhalten wir die gewünschte rollierende Berechnung.

Betrachten Sie zur Veranschaulichung den folgenden Codeausschnitt:

import numpy as np

# Create a 1D array
observations = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])

# Specify window length
window_length = 3

# Calculate rolling windows
rolling_windows = rolling_window(observations, window_length)

# Calculate rolling standard deviations
rolling_stds = np.std(rolling_windows, axis=1)

# Print the results
print("Rolling standard deviations:", rolling_stds)

In diesem Beispiel stellen „rolling_windows“ die überlappenden Fenster dar und „rolling_stds“ erfasst die berechneten rollierenden Standardabweichungen. Durch die Verwendung von Numpy-Funktionen für diese Berechnungen erreichen wir Effizienz und machen Python-Schleifen bei der Berechnung überflüssig.