<\/p>\n
Ein kumulativer Durchschnitt<\/strong> gibt uns den Durchschnitt einer Reihe von Werten bis zu einem bestimmten Punkt an.<\/span><\/p>\n Sie k\u00f6nnen die folgende Syntax verwenden, um den kumulativen Durchschnitt der Werte in einer Spalte eines Pandas-DataFrames zu berechnen:<\/span><\/p>\n Das folgende Beispiel zeigt, wie diese Syntax in der Praxis verwendet wird.<\/span><\/p>\n Nehmen wir an, wir haben den folgenden Pandas-DataFrame, der die Gesamtverk\u00e4ufe eines Gesch\u00e4fts an 16 aufeinanderfolgenden Tagen anzeigt:<\/span><\/p>\n Wir k\u00f6nnen die folgende Syntax verwenden, um den laufenden Durchschnitt der Verkaufsspalte zu berechnen:<\/span><\/p>\n Die kumulierten Durchschnittswerte w\u00fcrden wir wie folgt interpretieren:<\/span><\/p>\n Und so weiter.<\/span><\/p>\n Beachten Sie, dass Sie auch den folgenden Code verwenden k\u00f6nnen, um die kumulierten Durchschnittsverkaufswerte als neue Spalte im DataFrame hinzuzuf\u00fcgen:<\/span><\/p>\n Die Spalte \u201ecum_avg_sales\u201c<\/strong> zeigt den kumulierten Durchschnitt der Werte in der Spalte \u201eUmsatz\u201c an.<\/span><\/p>\n Die folgenden Tutorials erkl\u00e4ren, wie Sie andere g\u00e4ngige Metriken in Python berechnen:<\/span><\/p>\n So berechnen Sie einen getrimmten Mittelwert in Python<\/a> Ein kumulativer Durchschnitt gibt uns den Durchschnitt einer Reihe von Werten bis zu einem bestimmten Punkt an. Sie k\u00f6nnen die folgende Syntax verwenden, um den kumulativen Durchschnitt der Werte in einer Spalte eines Pandas-DataFrames zu berechnen: df[‚ column_name ‚]. expanding (). mean () Das folgende Beispiel zeigt, wie diese Syntax in der Praxis verwendet wird. […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n df[' column_name<\/span> ']. expanding<\/span> (). mean<\/span> ()<\/strong><\/pre>\n Beispiel: Berechnen Sie den kumulativen Durchschnitt in Python<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\nimport<\/span> numpy as<\/span> np\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' day<\/span> ': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16],\n ' sales<\/span> ': [3, 6, 0, 2, 4, 1, 0, 1, 4, 7, 3, 3, 8, 3, 5, 5]})\n\n#view first five rows of DataFrame\n<\/span>df. head<\/span> ()\n\n\tday sales\n0 1 3\n1 2 6\n2 3 0\n3 4 2\n4 5 4<\/strong><\/pre>\n #calculate average of 'sales' column\n<\/span>df[' sales<\/span> ']. expanding<\/span> (). mean<\/span> ()\n\n0 3.000000\n1 4.500000\n2 3.000000\n3 2.750000\n4 3.000000\n5 2.666667\n6 2.285714\n7 2.125000\n8 2.333333\n9 2.800000\n10 2.818182\n11 2.833333\n12 3.230769\n13 3.214286\n14 3.333333\n15 3.437500\nName: sales, dtype: float64\n<\/strong><\/pre>\n\n
#add cumulative average sales as new column\n<\/span>df[' cum_avg_sales<\/span> '] = df[' sales<\/span> ']. expanding<\/span> (). mean<\/span> ()\n\n#view updated DataFrame\n<\/span>df\n\n\tday sales cum_avg_sales\n0 1 3 3.000000\n1 2 6 4.500000\n2 3 0 3.000000\n3 4 2 2.750000\n4 5 4 3.000000\n5 6 1 2.666667\n6 7 0 2.285714\n7 8 1 2.125000\n8 9 4 2.333333\n9 10 7 2.800000\n10 11 3 2.818182\n11 12 3 2.833333\n12 13 8 3.230769\n13 14 3 3.214286\n14 15 5 3.333333\n15 16 5 3.437500\n<\/strong><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
So berechnen Sie den geometrischen Mittelwert in Python<\/a>
So berechnen Sie gleitende Durchschnitte in Python<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"