（1） 生成一个长度300的一维数组，且数据大小为1到20内的随机整数

好的，以下是生成该数组的Python代码：

import random

arr = [random.randint(1, 20) for _ in range(300)]

这段代码使用了Python中的列表推导式，通过循环生成300个随机整数，并将它们存储在名为`arr`的列表中。`random.randint(1, 20)`函数可以生成1到20内的随机整数。

相关问题

用python实现生成一个长度300的一维数组，且数据大小为1到20内的随机整数。

你可以使用Python内置的random模块中的randint()函数生成1到20内的随机整数，然后使用列表推导式生成长度为300的一维数组。

以下是一个实现示例：

import random

# 生成长度为300的一维数组，数据大小为1到20内的随机整数
arr = [random.randint(1, 20) for _ in range(300)]

print(arr)

在上面的示例中，我们使用了列表推导式来生成长度为300的一维数组，其中使用了random模块中的randint()函数，它可以生成1到20内的随机整数。最后，我们打印出了生成的数组。

（1） 生成一个长度300的一维数组，且数据大小为1到20内的随机整数。 （2） 查阅均值和中值滤波的原理进行上述的一维数组滤波，且窗口大小分别设定为3，7，11。说明不同大小窗口对滤波结果的影响。（此步骤自己写函数实现） （3） 把原数据和处理之后的数据画图显示。

以下是Python代码实现：

import numpy as np
import matplotlib.pyplot as plt

# 生成随机数组
arr = np.random.randint(1, 21, size=300)

# 均值滤波函数
def mean_filter(arr, window_size):
    # 填充边缘
    pad_width = (window_size - 1) // 2
    arr_pad = np.pad(arr, pad_width, mode='edge')
    # 滤波
    result = np.zeros_like(arr)
    for i in range(len(arr)):
        result[i] = np.mean(arr_pad[i:i+window_size])
    return result

# 中值滤波函数
def median_filter(arr, window_size):
    # 填充边缘
    pad_width = (window_size - 1) // 2
    arr_pad = np.pad(arr, pad_width, mode='edge')
    # 滤波
    result = np.zeros_like(arr)
    for i in range(len(arr)):
        result[i] = np.median(arr_pad[i:i+window_size])
    return result

# 滤波并绘图
fig, axs = plt.subplots(nrows=3, ncols=2, figsize=(10, 10))
for i, window_size in enumerate([3, 7, 11]):
    # 均值滤波
    arr_mean = mean_filter(arr, window_size)
    axs[i, 0].plot(arr, label='Original')
    axs[i, 0].plot(arr_mean, label=f'Mean Filter ({window_size})')
    axs[i, 0].legend()
    # 中值滤波
    arr_median = median_filter(arr, window_size)
    axs[i, 1].plot(arr, label='Original')
    axs[i, 1].plot(arr_median, label=f'Median Filter ({window_size})')
    axs[i, 1].legend()
plt.show()

结果图如下：