在不使用内置函数的情况下移动 Python 中的标准偏差

Question

我正在尝试计算数据集的移动标准差数组。 我有我原来的 position 和时间数据，也找到了这个 position 数据的移动平均数组。 我已经看到了 python 中用于计算滚动平均值和标准偏差的各种内置函数。 我犹豫要不要使用它，因为我必须设置一个参数是进程的方向 window（向前：当前时间到 window 长度，居中：window 长度以当前时间为中心，向后：window 长度到当前时间）。 这会影响我必须在每个数据点使用的数据范围。 下面是我计算移动平均误差的代码。

def MA(pos, t, processWindow, positionTolerance, calculationDirection, figNum):
    #pos and t are position and time lists, processWindow is given in seconds, but represent 
     the length of the window 

    N = len(t)
    windowLength = processWindow*1000 #process window given in seconds---> length becomes 50
    

    i = 0
    MA = []
    while i < N:
        if calculationDirection == 'Forward':
           startPos = i
           endPos = int(i+ windowLength)

        elif calculationDirection == 'Centered':
           startPos = int(i-windowLength/2)
           endPos = int(i+windowLength/2)

        elif calculationDirection == 'Backward':
            startPos = int(i-windowLength)
            endPos = i
            
        window = pos[startPos : endPos]
        window_average = round(sum(window) / windowLength, 4)
        MA.append(window_average)
        
        i+=1
    return MA

MA返回一个列表，其中包含每个 position 点的移动平均值。 有没有办法以类似的方式计算移动标准偏差？

Answer 1

有没有办法以类似的方式计算移动标准偏差？

只需更改window_average =...中的公式：

import math

def std(data: list) -> float:
    N = len(data)
    mean = sum(data) / N
    variance = sum((x - mean)**2 for x in data) / (N - 1)
    return math.sqrt(variance)

def moving_std(pos, t, processWindow, positionTolerance, calculationDirection, figNum):
    # Same thing as in your `MA` function...
    ...
    while ...:
        window = pos[startPos : endPos]
        window_std = std(window) # new formula
        MA.append(window_std)
        # go on with the loop...

    return MA