یک تابع در پایتون بنویسید که یک آرایهٔ عددی و اندازهٔ پنجره را بگیرد و میانگین متحرک (moving average) را برای هر عنصر محاسبه و به‌صورت آرایهٔ عددی بازگرداند.

برای کارایی بهتر ورودی‌ها را اعتبارسنجی کنید و اگر window_size بزرگ‌تر از طول آرایه بود، خطای مناسب بدهید یا حالت padding را مشخص کنید. از np.convolve با هستهٔ ones(window_size) برای میانگین متحرک استفاده کنید یا با np.cumsum مجموع‌های تجمعی را محاسبه کرده و تفاضل‌ها را بگیرید تا از حلقه‌های پایتون جلوگیری شود. مهم است که تصمیم بگیرید مرزها padding شوند یا فقط موقعیت‌های با پنجرهٔ کامل محاسبه شوند و اینکه به نوع دادهٔ float (مثلاً float64) برای دقت و جلوگیری از افت دقت توجه کنید. این رویکردِ برداری برای مسائل عددی با کارایی بالا مناسب است و با استفاده از این تکنیک‌ها هم نتیجهٔ سازگار و هم کارایی بهبود می‌یابد.