Comment calculer une moyenne mobile exponentielle chez les pandas

Dans l’analyse des séries chronologiques, une moyenne mobile est simplement la valeur moyenne d’un certain nombre de périodes précédentes.

Une moyenne mobile exponentielle est un type de moyenne mobile qui accorde plus de poids aux observations récentes, ce qui signifie qu’elle est capable de capturer plus rapidement les tendances récentes.

Ce tutoriel explique comment calculer une moyenne mobile exponentielle pour une colonne de valeurs dans un DataFrame pandas.

Exemple : moyenne mobile exponentielle chez les pandas

Supposons que nous ayons le DataFrame pandas suivant :

import pandas as pd

#create DataFrame
df = pd.DataFrame({'period': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
                   'sales': [25, 20, 14, 16, 27, 20, 12, 15, 14, 19]})

#view DataFrame 
df

        period	sales
0	1	25
1	2	20
2	3	14
3	4	16
4	5	27
5	6	20
6	7	12
7	8	15
8	9	14
9	10	19

Nous pouvons utiliser la fonction pandas.DataFrame.ewm() pour calculer la moyenne mobile pondérée exponentiellement pour un certain nombre de périodes précédentes.

Par exemple, voici comment calculer la moyenne mobile pondérée exponentiellement en utilisant les quatre périodes précédentes :

#create new column to hold 4-day exponentially weighted moving average
df['4dayEWM'] = df['sales'].ewm(span=4, adjust=False).mean()

#view DataFrame 
df

        period	sales	4dayEWM
0	1	25	25.000000
1	2	20	23.000000
2	3	14	19.400000
3	4	16	18.040000
4	5	27	21.624000
5	6	20	20.974400
6	7	12	17.384640
7	8	15	16.430784
8	9	14	15.458470
9	10	19	16.875082

Nous pouvons également utiliser la bibliothèque matplotlib pour visualiser les ventes par rapport à la moyenne mobile à pondération exponentielle sur 4 jours :

import matplotlib.pyplot as plt

#plot sales and 4-day exponentially weighted moving average 
plt.plot(df['sales'], label='Sales')
plt.plot(df['4dayEWM'], label='4-day EWM')

#add legend to plot
plt.legend(loc=2)

Ressources additionnelles

Comment calculer les moyennes mobiles en Python
Comment calculer la moyenne des colonnes dans Pandas
Comment calculer l’autocorrélation en Python