如何使用 python + NumPy / SciPy 计算滚动/移动平均值？

numpy/scipy 上似乎没有简单计算移动平均值的函数，导致复杂的解决方案 https://stackoverflow.com/questions/12816011/weighted-moving-average-with-numpy-convolve.

我的问题有两个：

• 使用 numpy （正确）实现移动平均线的最简单方法是什么？
• 由于这看起来不简单并且容易出错，是否有充分的理由不使用包括电池 https://www.python.org/dev/peps/pep-0206/#batteries-included-philosophy在这种情况下？

如果您只想要一个简单的非加权移动平均线，您可以轻松地实现它np.cumsum，可能是is比基于 FFT 的方法更快：

EDIT更正了 Bean 在代码中发现的一个相差一错误的索引。EDIT

def moving_average(a, n=3):
    ret = np.cumsum(a, dtype=float)
    ret[n:] = ret[n:] - ret[:-n]
    return ret[n - 1:] / n
    
>>> a = np.arange(20)
>>> moving_average(a)
array([  1.,   2.,   3.,   4.,   5.,   6.,   7.,   8.,   9.,  10.,  11.,
        12.,  13.,  14.,  15.,  16.,  17.,  18.])
>>> moving_average(a, n=4)
array([  1.5,   2.5,   3.5,   4.5,   5.5,   6.5,   7.5,   8.5,   9.5,
        10.5,  11.5,  12.5,  13.5,  14.5,  15.5,  16.5,  17.5])

所以我猜答案是：它确实很容易实现，而且也许 numpy 已经因为专门的功能而有点臃肿了。