Python 使用numpy步幅技巧在两个不同大小的移动窗口上操作

我正在处理一维数据数组。我在7项窗口中寻找大于预期的差异，但需要在更大的20项窗口中更正值

我正在使用python和NumPy来完成这项任务。我开始使用numpy stride_技巧在原始数组中创建一个移动窗口。在较小的窗口中，步步技巧似乎是计算出更高方差的最快方法。尝试展开窗口以更正数据时，我被卡住了

以下是我当前的代码：

with open('Sather-line-352-original.txt') as f:
   array = np.array(map(int, f))

# shape defines the dimensions of the new temp array.
# strides define memory-based coordinates of original array items.
def pystride(array,frame_length,strided_items):
   num_frames = 1 + ((len(array) - frame_length)/ strided_items)
   row_stride = array.itemsize * strided_items
   col_stride = array.itemsize

   a_strided = np.lib.stride_tricks.as_strided(
      array,
      shape=(num_frames, frame_length),
      strides=(row_stride, col_stride)
   )
   return a_strided

def find_max_min(array):
   max_diff = 120

   for sub in pystride(array,frame_length=7,strided_items=2):
      max_val = max(sub)
      min_val = min(sub)
      if abs(max_val - min_val) >= max_diff:
         # assign 'pointers' in original array indicating where large diffs are found.
         sub[0] = int('{:<05}'.format(sub[0]))

find_max_min(array)

以open（'Sather-line-352-original.txt'）作为f的

：
array=np.array（map（int，f））
#形状定义新临时数组的尺寸。
#跨步定义原始数组项的基于内存的坐标。
def pystride（数组、帧长度、跨步项）：
num_frames=1+（（len（数组）-帧长度）/跨步项）
行步幅=array.itemsize*步幅项目
col_stride=array.itemsize
a_stread=np.lib.stread(
阵列，
形状=（帧数，帧长度），
步幅=（行步幅、列步幅）
)
大步返回
def查找最大值最小值（阵列）：
最大差值=120
对于pystride中的子项（数组，帧长度=7，跨步项=2）：
最大值=最大值（分）
最小值=最小值（sub）
如果abs（最大值-最小值）>=最大差值：
#在原始数组中指定“指针”，指示找到大差异的位置。
sub[0]=int（{：你能提供你到目前为止所写的代码吗？
stride\u技巧
如果你没有正确的形状，并且开始访问数据缓冲区之外的值，那么可能会很危险。不要试图捏造它，我假设你使用的是
np.lib.stride\u技巧
，其中形状被选择为不从末端脱落。如果您可以对其执行整个数组操作，则生成的2d数组将非常有用，例如，
mean
或
sum
按轴。但是很难理解您还想做什么。但是一旦您开始在窗口上进行迭代以进行特殊测试，您就会失去大部分的功能
strided
speed advantage。我已经更新了原始帖子以添加当前代码。如果不使用stride_技巧，您会索引数组还是添加迭代器？