np.convolve(x,h, mode=‘##‘)的使用

用法：

np.convolve(a,v,mode) a代表卷积数据，v卷积核大小，mode卷积方式，mode卷积方式有三种 same full valid mode可能的三种取值情况：

• full’　默认值，返回每一个卷积值，长度是N+M-1,在卷积的边缘处，信号与卷积核不能完全重叠计算，会存在边缘数据无法计算到的情况，存在边际效应。
• ‘same’　返回的数组长度为max(M, N)，是的输入数据与输出数据保持一致，也叫做等长卷积，边际效应依旧存在，但是便于计算。
• ‘valid’ 　返回的数组长度为max(M,N)-min(M,N)+1，只计算信号（输入数据）与卷积核数据完全重叠的窗口数据，得到的数据都是完全重叠的点，边际效应不存在。

三种计算方式：

full:

import numpy as np
h=[4,3,2]
x=[1,2,3,5]
result_full=np.convolve(h,x,mode='full')
print(result_full)

结果：

[ 4 11 20 33 21 10]

计算方式：
首先需要将h进行reverse翻转。

#mode=full
2,3,4
    1,2，3,5
  = 4   （存在边际效益）

2,3,4
  1,2，3,5
= 3+8
=11   （存在边际效益）

2, 3, 4
1, 2，3, 5
= 2+6+12
=20   


	2, 3, 4
1,  2，3, 5
= 4+9+20
=33

		2, 3, 4
1,  2， 3, 5
= 6+15
=21   （存在边际效益）

			2, 3, 4
1,  2， 3,  5
= 10  （存在边际效益）

valid

在full中不存在边际效应的数据为:20,33

same

需要保证输入数据与输出数据的大小一致：
一般same有三种选择方式：
Same left
same center
same right
一般而言取值为same center 保留中间的四个数值。