Python IBM data sci关于查找平均值的if/else问题

您的任务是完成getNAvg函数，该函数为沉淀数据计算N天的简单移动平均值，其中N是一个参数。函数应该返回给定数据的移动平均值列表

一系列k日移动平均线的公式-假设这是您提供的文件“weather data.txt”：

time, temperature
1, 20
2, 25
3, 30
4, 25
5, 30

为什么文件看起来像这样

->因为从函数中我们可以看到第一行包含一个标题（#忽略标题）和

lineData=float（line.split（'，'）[1]）

用逗号分割文件，并取第二列（我称之为文件中的温度）

首先，让我们以这个特定文件为例来了解函数的作用

使用上面的文件调用函数，让我们检查结果

file = "path/to/weather-data.txt"
print(getNAvg(file,3)
# [25.0, 26.666666666666668, 28.333333333333336]

这张照片向我们展示了什么？ 这是移动平均线的列表。输出列表中的第一个元素是时间1-3的平均温度，第二个元素是时间2-4的平均温度，第三个元素是时间3-5的平均温度

---

现在让我们来回答你的问题：

问题1

mean = [0] # running avg
print(mean)
#[0]

将只使用一个元素->零值元素初始化列表。 这个列表将在稍后的if-else语句中使用，以填充我们寻找的移动平均线-我们稍后将详细讨论

问题2

            if (row<=N): 
                lastN.append(lineData)
                mean[0] = (lineData + mean[0]*(row-1))/row
            else:
                mean.append( mean[row - N -1]+ (lineData - lastN[0])/N)
                lastN = lastN[1:]
                lastN.append(lineData)

            row = row +1            
        return mean

这意味着

#lastN = [20]
#mean[0] = (20 + 0 * (1-1)) / 1 = [20]

• 第二行数据

  row=2，lineData=25仍然
  row仍然
  row现在
  row>3

这意味着我们的例子

#mean.append( mean[4 -3 -1] + ((25 - 20) / 3)) = mean.append( mean[0] + 1.66666) => [25, 26.666666]
#lastN = [25,30] 
#lastN.append(lineData) => [25,30,25]

• 第五行数据

  行=5，行数据=30

  =>类似于步骤4

现在终于

---

我们看到的结果列表正是我们之前看到的：[25,26.666666,28.333333]-N=3的移动平均线列表

我发现改变这一点稍微不那么令人困惑：

 if (row<=N): 
            lastN.append(lineData)
            mean[0] = (lineData + mean[0]*(row-1))/row

if（第行）
#lastN = [20,25,30]
#mean[0] = (30 + 22.5 * (3-1)) / 3 = [25]

mean.append( mean[row - N -1]+ (lineData - lastN[0])/N)
lastN = lastN[1:]
lastN.append(lineData)

#mean.append( mean[4 -3 -1] + ((25 - 20) / 3)) = mean.append( mean[0] + 1.66666) => [25, 26.666666]
#lastN = [25,30] 
#lastN.append(lineData) => [25,30,25]

# mean.append( mean[5 -3 -1] + ((30 - 25) / 3)) = mean.append( mean[1] + 1.66666) => [25, 26.666666, 28.333333]
#lastN = [30,25] 
#lastN.append(lineData) => [30,25,30]

 if (row<=N): 
            lastN.append(lineData)
            mean[0] = (lineData + mean[0]*(row-1))/row

 if (row<=N): 
            lastN.append(lineData)
            mean[0] = sum(lastN)/len(lastN)