python一维数组平滑

在Python中，对一维数组（通常称为列表）进行平滑处理通常是指通过一些数学方法减少数据的波动性，使其看起来更平滑连续。常见的平滑算法有移动平均法、指数移动平均法（Exponential Moving Average, EMA）、加权平均等。

1. 移动平均法：取一段固定长度的数据窗口，计算其中每个元素值的平均作为新的值。例如，如果你想要5点滑动平均，会依次计算第1到第5个数的平均，然后移位到下一个位置，再计算新的5个数的平均。

import numpy as np

def moving_average(arr, window_size):
    return np.convolve(arr, np.ones(window_size), 'same') / window_size

arr = [1, 2, 3, 4, 5, 6, 7]
smoothed_arr = moving_average(arr, 3)  # 使用3点滑动平均

2. 指数移动平均(EWA)：它更重视最近的数据，并逐渐“遗忘”较旧的数据。Python可以利用`ewm`函数从`pandas`库实现：

import pandas as pd

df = pd.Series([1, 2, 3, 4, 5])
ema = df.ewm(span=3).mean()