问题描述
我正在使用以下代码对我的数据运行统一过滤器:
from scipy.ndimage.filters import uniform_filter
a = np.arange(1000)
b = uniform_filter(a,size=10)
过滤器现在可以正常工作,就像将步幅设置为// 2一样。 如何调整代码,使过滤器的步幅不超过过滤器大小的一半?
解决方法
您似乎误解了uniform_filter
在做什么。
在这种情况下,它将创建一个数组b
,该数组将每个a[i]
替换为以10
为中心的大小为a[i]
的块的平均值。因此,类似:
for i in range(0,len(a)): # for the 1D case
b[i] = mean(a[i-10//2:i+10//2]
请注意,这将尝试访问索引范围在0..1000之外的值。在默认情况下,uniform_filter
假设位置0之前的数据只是其后数据的反映。最后也是类似的。
还要注意,b
与a
使用相同的类型。在a
是整数类型的示例中,均值也将以整数计算,这可能会导致精度降低。
下面是一些代码和图表来说明正在发生的事情:
import matplotlib.pyplot as plt
import numpy as np
from scipy.ndimage.filters import uniform_filter
fig,axes = plt.subplots(ncols=2,figsize=(15,4))
for ax in axes:
if ax == axes[1]:
a = np.random.uniform(-1,1,50).cumsum()
ax.set_title('random curve')
else:
a = np.arange(50,dtype=float)
ax.set_title('values from 0 to 49')
b = uniform_filter(a,size=10)
ax.plot(a,'b-')
ax.plot(-np.arange(0,10)-1,a[:10],'b:') # show the reflection at the start
ax.plot(50 + np.arange(0,10),a[:-11:-1],'b:') # show the reflection at the end
ax.plot(b,'r-')
plt.show()