Python 如何计算numpy中的坡度

如果我有一个50个元素的数组，我将如何计算3周期斜率和5周期斜率？ 这些文件没有增加太多

>>> from scipy import stats
>>> import numpy as np
>>> x = np.random.random(10)
>>> y = np.random.random(10)
>>> slope, intercept, r_value, p_value, std_err = stats.linregress(x,y)

这样行吗

def slope(x, n): 
   if i<len(x)-n: 
        slope = stats.linregress(x[i:i+n],y[i:i+n])[0]
        return slope 

结果

[  2.   4.   6.   8.  10.  12.  14.  16.  18.  20.  22.  24.  26.  28.  30.]
[ 2.  2.  2.  2.]
[ 1.5  2.   2.   2.   2.   2.   2.   2.   2.   2.   2.   2.   2.  -6.  -6.5]
[  2.   2.   2.   2.   2.   2.   2.   2.   2.   2.   2.   2.   2.   2. -14.]

斜率和斜率2是我想要的，除了-6、-6.5和-14不是我想要的结果

这起作用了

window    = [1, 0, 0, -1]
slope     = np.convolve(xx, window, mode='valid') / float(len(window) - 1)
padlength = len(window) -1
slope     = np.hstack([np.ones(padlength), slope])
print slope

---

只需使用包含您感兴趣的点（时段——我假设您在这里谈论的是财务数据）的数据子集：

for i in range(len(x)):
    if i<len(x)-3:
        slope, intercept, r_value, p_value, std_err = stats.linregress(x[i:i+3],y[i:i+3])
    if i<len(x)-5:
        slope, intercept, r_value, p_value, std_err = stats.linregress(x[i:i+5],y[i:i+5])

范围内的i（len（x））：
如果我我假设你是指每3和5个元素计算的斜率，这样你就有了一系列（精确的，不是最小二乘）斜率

如果是这样的话，你只需要做以下几点：

third_period_slope = np.diff(y[::3]) / np.diff(x[::3])
fifth_period_slope = np.diff(y[::5]) / np.diff(x[::5])

不过，我可能完全误解了你的意思。我以前从来没有提到过“三周期斜率”这个词

如果您想要更多的“移动窗口”计算（以便输入元素的数量与输出元素的数量相同），只需将其建模为卷积，窗口为
[-1,0,1]
或
[-1,0,0,1]

例如

对整个50个观测值进行线性回归，可以得到斜率和截距。你能解释一下“N周期斜率”的确切含义吗？如果系列1,2……….50，我想要46,47,48,49,50的斜率和48,49,50的斜率。作为一个数组。所以所有元素都有相应的斜率，我认为有些元素像斜率（x，3）或斜率（x，5），其中返回值只是斜率向量或数组……这是基本思想，除了在你的定义中，什么是i？，在我的定义中是循环变量，所以每个i都给出了不同点集的斜率；而且，linregress将返回一个元组，而不是单个值，因此您可以将它们全部分配给变量，或者只分配元组并选择第一个条目，如r=stats.linregress（x[i:i+n]，y[i:i+n]），然后slope=r[0]，或者只返回slope=（stats.linregress（x[i:i+n]，y[i:i+n]）[0]你能用注释解决上面的问题吗？我不理解“卷积”，理解“con”的意思。读一读卷积，你会感谢你自己以后这么做的。它们相当普遍！：）卷积和@tom的答案之间的区别在于，卷积只使用第1点和第3点，然后只使用第2点和第4点等，而不是使用第1点、第2点和第3点，然后是第2点、第3点和第4点等。正如我前面所说的，我假设您不需要线性回归，而是需要精确拟合。（线性回归会慢几个数量级，但如果你没有大量的点，那就无关紧要了。）如果没有定义y，那么只有x的数组呢？在这种情况下，你可以除以步长。e、 g.
slope=np.convolve（x，window，mode='same'）/（len（window）-1）
您需要决定在边界处要做什么。默认情况下，使用0填充内容。如果要完全避免边界，请使用
mode='valid'
而不是
mode='same'
。
third_period_slope = np.diff(y[::3]) / np.diff(x[::3])
fifth_period_slope = np.diff(y[::5]) / np.diff(x[::5])

window = [-1, 0, 1]
slope = np.convolve(y, window, mode='same') / np.convolve(x, window, mode='same')