滑动平均（moving_average）与均值滤波（mean_smooth）的区别

在数据处理时，我们为了平滑数据，有时会用到滑动平均算法。算法很简单，但是我不想自己写，于是上网搜现成的轮子，但是发现很多轮子是错误的，如文章：https://blog.youkuaiyun.com/weixin_42232219/article/details/90328880，https://www.yzlfxy.com/jiaocheng/python/338117.html

他们混淆了滑动平均与均值滤波的区别，用卷积的方式实现滑动平均。如：

import numpy as np	
 	
def np_move_avg(a,n,mode="same"):	
    return(np.convolve(a, np.ones((n,))/n, mode=mode))

然而，滑动平均与均值滤波是两种不同的算法。

滑动平均中有一个动量的概念，是用动量参与加权和的计算。

而均值滤波中没有动量的概念，是使用原始数据进行均值/加权和计算。

具体差异就是：与当前元素计算加权和的元素的来源不同。均值滤波是利用平滑前的数据；滑动平均是利用平滑后的数据。

具体差异见以下代码(在差异的代码后面有注释)：

def moving_average(scalars,weig