fast rolling window

假設有兩個array S1 (size m), S2 (size n), m>n，要計算S2相對於S1的滑動函數值(如mean或是std等)，一般的做法是使用loop實作，但是python的迴圈速度相當的慢，所以建議使用numpy strides的功能來加速，在測試當中，計算stdev大約能夠加速100倍，程式碼如下：

def rolling_window(a, window):

    shape = a.shape[:-1] + (a.shape[-1] - window + 1, window)

    print shape

    strides = a.strides + (a.strides[-1],)

    return np.lib.stride_tricks.as_strided(a, shape=shape, strides=strides)

def test_rolling_window(winsize=3):

    import time

    t = time.clock()

    observations = np.random.randn(1000)

    np.std(rolling_window(observations, winsize), 1)

    print "strided %.6f secs"%(time.clock()-t)

    t = time.clock()

    for idx in xrange(winsize, len(observations)):

        np.std(observations[idx-winsize: idx])

    print "loop %.6f secs"%(time.clock()-t)

原理在此篇文章當中有詳細的描述 ：
http://chintaksheth.wordpress.com/2013/07/31/numpy-the-tricks-of-the-trade-part-ii/