가우스 웨이팅 메커니즘을 사용하여 각 포인트의 왼쪽과 오른쪽으로 3 * 너비 값을 평균화하여 곡선을 부드럽게하는 가중 이동 평균 기능이 있습니다. 나는 [시작, 끝]에 묶인 영역을 매끄럽게하는 것에 대해서만 걱정합니다. 다음 코드는 작동하지만 문제는 큰 배열의 런타임입니다.가중 이동 평균 필터 기능의 런타임 향상?
import numpy as np
def weighted_moving_average(x, y, start, end, width = 3):
def gaussian(x, a, m, s):
return a*exp(-(x-m)**2/(2*s**2))
cut = (x>=start-3*width)*(x<=end+3*width)
x, y = x[cut], y[cut]
x_avg = x[(x>=start)*(x<=end)]
y_avg = np.zeros(len(x_avg))
bin_vals = np.arange(-3*width,3*width+1)
weights = gaussian(bin_vals, 1, 0, width)
for i in range(len(x_avg)):
y_vals = y[i:i+6*width+1]
y_avg[i] = np.average(y_vals, weights = weights)
return x_avg, y_avg
제 생각에 NumPy 배열을 반복하는 것은 일반적으로 비효율적입니다. 누구든지 for 루프를 런타임에보다 효율적인 것으로 대체 할 생각이 있는지 궁금합니다.
감사
슬라이싱 및 가중 평균 창/합산하여 기본적 커널이 대칭으로되는 1 차원 컨볼 루션에 대응