内容： （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。 附录：下面的代码是均值滤波的，中值滤波的请自行编写。 import numpy as np import matplotlib.pyplot as plt modes = ['full', 'same', 'valid'] modes = [ 'valid'] data=np.ones(200) data=np.random.randint(1,20,size=(300)) window=np.ones(10)/10 for m in modes: # data_tmp=np.convolve(data, window, mode=m) #请自行查阅卷积的参数含义 correlate data_tmp = np.correlate(data, window, mode=m) # 请自行查阅相关的参数含义 correlate plt.plot(data_tmp); plt.plot(data); plt.axis([-10, 300, -.1, 25]); plt.legend(modes+['data'], loc='lower center'); plt.show() a=45

这是一个涉及到数组和滤波的问题，需要进行一些编程实现。以下是解答：

首先，生成一个长度为300的一维数组，数据大小为1到20内的随机整数，代码如下：

import numpy as np

data = np.random.randint(1, 21, size=300)

接下来，编写一个函数来实现中值滤波：

def median_filter(data, window_size):
    result = np.zeros_like(data)
    padding_size = window_size // 2
    for i in range(padding_size, len(data) - padding_size):
        window = data[i - padding_size:i + padding_size + 1]
        result[i] = np.median(window)
    return result

其中，`data`是输入的一维数组，`window_size`是滤波窗口的大小，返回值是滤波后的一维数组。

然后，编写一个函数来实现均值滤波：

def mean_filter(data, window_size):
    result = np.zeros_like(data)
    padding_size = window_size // 2
    window = np.ones(window_size) / window_size
    for i in range(padding_size, len(data) - padding_size):
        result[i] = np.sum(data[i - padding_size:i + padding_size + 1] * window)
    return result

其中，`data`是输入的一维数组，`window_size`是滤波窗口的大小，返回值是滤波后的一维数组。

接下来，使用上述函数对数据进行滤波，并比较不同窗口大小对滤波结果的影响：

import matplotlib.pyplot as plt

data = np.random.randint(1, 21, size=300)

modes = ['valid']
window_sizes = [3, 7, 11]

for window_size in window_sizes:
    data_median = median_filter(data, window_size)
    data_mean = mean_filter(data, window_size)
    plt.figure()
    plt.plot(data, label='Original')
    plt.plot(data_median, label='Median')
    plt.plot(data_mean, label='Mean')
    plt.legend()
    plt.title('Window size: {}'.format(window_size))

plt.show()

最后，运行上述代码即可得到滤波后的数据并进行比较。可以看出，中值滤波能够有效地去除噪声，但是容易丢失细节信息；而均值滤波能够平滑数据，但是对于噪声的去除效果不够明显，且容易使数据产生偏移。不同窗口大小对滤波结果的影响在不同滤波方式下也有所不同。