代码之家 › 专栏 › 技术社区 › Nate Kohl

python中的运行平均值

moving-average list-comprehension python

Nate Kohl · 技术社区 · 15 年前

有没有蟒蛇的方法 建立包含运行平均值的列表 有什么作用吗?

在读了一篇关于 Martians, black boxes, and the Cauchy distribution 我认为自己计算柯西分布的平均值会很有趣:

import math 
import random

def cauchy(location, scale):
    p = 0.0
    while p == 0.0:
        p = random.random()
    return location + scale*math.tan(math.pi*(p - 0.5))

# is this next block of code a good way to populate running_avg?
sum = 0
count = 0
max = 10
running_avg = []
while count < max:
    num = cauchy(3,1)
    sum += num
    count += 1
    running_avg.append(sum/count)

print running_avg     # or do something else with it, besides printing

我认为这种方法是可行的,但我很好奇是否有一种更优雅的方法来构建它 running_avg 列出而不是使用循环和计数器(例如 list comprehensions )

有一些相关的问题,但它们解决了更复杂的问题(小窗口大小、指数加权),或者不特定于Python:

3 回复 | 直到 8 年前

orip 15 年前

你可以写一个生成器:

def running_average():
  sum = 0
  count = 0
  while True:
    sum += cauchy(3,1)
    count += 1
    yield sum/count

或者,给定一个用于Cauchy数的生成器和一个用于运行和生成器的实用函数,您可以有一个简洁的生成器表达式:

# Cauchy numbers generator
def cauchy_numbers():
  while True:
    yield cauchy(3,1)

# running sum utility function
def running_sum(iterable):
  sum = 0
  for x in iterable:
    sum += x
    yield sum

# Running averages generator expression (** the neat part **)
running_avgs = (sum/(i+1) for (i,sum) in enumerate(running_sum(cauchy_numbers())))

# goes on forever
for avg in running_avgs:
  print avg

# alternatively, take just the first 10
import itertools
for avg in itertools.islice(running_avgs, 10):
  print avg

Markus Jarderot 12 年前

你可以使用协同训练。它们类似于生成器,但允许您发送值。在python 2.5中添加了协程,所以在之前的版本中这不起作用。

def running_average():
    sum = 0.0
    count = 0
    value = yield(float('nan'))
    while True:
        sum += value
        count += 1
        value = yield(sum/count)

ravg = running_average()
next(ravg)   # advance the corutine to the first yield

for i in xrange(10):
    avg = ravg.send(cauchy(3,1))
    print 'Running average: %.6f' % (avg,)

作为清单理解:

ravg = running_average()
next(ravg)
ravg_list = [ravg.send(cauchy(3,1)) for i in xrange(10)]

编辑:

使用 next() 函数而不是 it.next() 方法。因此,它也将与Python3一起工作。这个 下() 函数也已返回到python 2.6+。
在python 2.5中,您可以将调用替换为 N.(下) 或定义 next 发挥你自己的作用。
(谢谢亚当·帕金)

Bryan McLemore 15 年前

我有两个可能的解决办法。这两个函数都是通用的运行平均值函数,适用于任何数字列表。(可以与任何无法识别的人一起工作)

基于发电机:

nums = [cauchy(3,1) for x in xrange(10)]

def running_avg(numbers):
    for count in xrange(1, len(nums)+1):
        yield sum(numbers[:count])/count

print list(running_avg(nums))

基于列表理解(实际上与前面的代码相同):

nums = [cauchy(3,1) for x in xrange(10)]

print [sum(nums[:count])/count for count in xrange(1, len(nums)+1)]

基于发电机的兼容发电机:

编辑 :这一个我刚刚测试了一下,看看我的解决方案是否可以轻松地与发电机兼容,以及它的性能如何。这就是我想到的。

def running_avg(numbers):
    sum = 0
    for count, number in enumerate(numbers):
        sum += number
        yield sum/(count+1)

看看下面的性能统计,很值得。

性能特点:

编辑 :我还决定测试ORIP对多个生成器的有趣使用,以了解对性能的影响。

使用timeit和以下(1000000次迭代3次):

print "Generator based:", ', '.join(str(x) for x in Timer('list(running_avg(nums))', 'from __main__ import nums, running_avg').repeat())
print "LC based:", ', '.join(str(x) for x in Timer('[sum(nums[:count])/count for count in xrange(1, len(nums)+1)]', 'from __main__ import nums').repeat())
print "Orip's:", ', '.join(str(x) for x in Timer('list(itertools.islice(running_avgs, 10))', 'from __main__ import itertools, running_avgs').repeat())

print "Generator-compatabile Generator based:", ', '.join(str(x) for x in Timer('list(running_avg(nums))', 'from __main__ import nums, running_avg').repeat())

我得到以下结果:

Generator based: 17.653908968, 17.8027219772, 18.0342400074
LC based: 14.3925321102, 14.4613749981, 14.4277560711
Orip's: 30.8035550117, 30.3142540455, 30.5146529675

Generator-compatabile Generator based: 3.55352187157, 3.54164409637, 3.59098005295

代码见注释:

Orip's genEx based: 4.31488609314, 4.29926609993, 4.30518198013

结果以秒为单位,并显示液晶新的生成器兼容的生成器方法要始终更快,您的结果可能会有所不同。我预计我的原始发电机和新发电机之间的巨大区别在于,总和不是即时计算的。