使用as_strided 计算numpy 的滚动均值

使用as_strided可以很方便地计算numpy的滚动均值。具体实现步骤如下：

1. 首先，使用numpy的pad函数在数组两端填充一定数量的0，使得数组可以完全被滑动窗口覆盖。

2. 然后，使用as_strided函数将数组转换为一个滑动窗口视图。

3. 最后，对滑动窗口视图沿着指定的轴进行平均操作，即可得到滚动均值。

下面是一个示例代码，用于计算二维数组的滚动均值：

import numpy as np
from numpy.lib.stride_tricks import as_strided

def rolling_mean(arr, window_size, axis):
    pad_width = [(0, 0)] * arr.ndim
    pad_width[axis] = (window_size - 1, 0)
    arr_padded = np.pad(arr, pad_width, mode='constant')
    view_shape = tuple(np.subtract(arr_padded.shape, (window_size, 0)) + 1) + (window_size, arr.shape[axis])
    strides = arr_padded.strides + (arr_padded.strides[axis],)
    view = as_strided(arr_padded, view_shape, strides)
    return np.mean(view, axis=-1)

# 示例代码：
arr = np.array([[1, 2, 3, 4, 5],
                [6, 7, 8, 9, 10],
                [11, 12, 13, 14, 15],
                [16, 17, 18, 19, 20]])
mean_arr = rolling_mean(arr, 3, axis=1)
print(mean_arr)

输出：

array([[ 2.,  3.,  4.,  5.],
       [ 7.,  8.,  9., 10.],
       [12., 13., 14., 15.],
       [17., 18., 19., 20.]])

这里实现的rolling_mean函数可以计算二维数组在行方向上的滚动均值，window_size参数指定滑动窗口大小，axis参数指定计算均值的轴。