<\/p>\n
Ein gleitender Durchschnitt<\/strong> ist eine Technik, mit der Zeitreihendaten gegl\u00e4ttet werden k\u00f6nnen, um \u201eRauschen\u201c in den Daten zu reduzieren und Muster und Trends leichter zu erkennen.<\/span><\/p>\n Die Idee hinter einem gleitenden Durchschnitt besteht darin, den Durchschnitt mehrerer vorheriger Perioden zu verwenden, um einen \u201egleitenden Durchschnitt\u201c f\u00fcr einen bestimmten Zeitraum zu ermitteln.<\/span><\/p>\n In diesem Tutorial wird erkl\u00e4rt, wie man gleitende Durchschnitte in Python berechnet.<\/span><\/p>\n Angenommen, wir haben die folgende Tabelle, die den Gesamtumsatz eines bestimmten Unternehmens \u00fcber 10 Zeitr\u00e4ume zeigt:<\/span><\/p>\n Methode 1: Verwenden Sie die Funktion cumsum().<\/strong><\/span><\/p>\n Eine M\u00f6glichkeit, den gleitenden Durchschnitt zu berechnen, ist die Verwendung der Funktion cumsum():<\/span><\/p>\n So interpretieren Sie das Ergebnis:<\/span><\/p>\n Und so weiter.<\/span><\/p>\n Methode 2: Pandas verwenden.<\/strong><\/span><\/p>\n Eine andere M\u00f6glichkeit, den gleitenden Durchschnitt zu berechnen, besteht darin, eine Pandas-basierte Funktion zu schreiben:<\/span><\/p>\n Diese Methode liefert genau die gleichen Ergebnisse wie die vorherige Methode, l\u00e4uft jedoch tendenziell schneller auf gr\u00f6\u00dferen Arrays.<\/span><\/p>\n Beachten Sie, dass Sie auch eine beliebige Anzahl fr\u00fcherer Perioden angeben k\u00f6nnen, die bei der Berechnung des gleitenden Durchschnitts verwendet werden sollen. Beispielsweise k\u00f6nnten Sie lieber n=5 verwenden:<\/span><\/p>\n Je mehr Perioden Sie zur Berechnung des gleitenden Durchschnitts verwenden, desto \u201egegl\u00e4tteter\u201c wird die Linie des gleitenden Durchschnitts.<\/span><\/p>\n","protected":false},"excerpt":{"rendered":" Ein gleitender Durchschnitt ist eine Technik, mit der Zeitreihendaten gegl\u00e4ttet werden k\u00f6nnen, um \u201eRauschen\u201c in den Daten zu reduzieren und Muster und Trends leichter zu erkennen. Die Idee hinter einem gleitenden Durchschnitt besteht darin, den Durchschnitt mehrerer vorheriger Perioden zu verwenden, um einen \u201egleitenden Durchschnitt\u201c f\u00fcr einen bestimmten Zeitraum zu ermitteln. In diesem Tutorial 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 Beispiel: Gleitende Durchschnitte in Python<\/strong><\/span><\/h3>\n
x = [50, 55, 36, 49, 84, 75, 101, 86, 80, 104]\n<\/strong><\/pre>\n
import<\/span> numpy as<\/span> np\n\n#define moving average function<\/span>\ndef<\/span> moving_avg(x, n):\n cumsum = np.cumsum(np.insert(x, 0, 0)) \n return<\/span> (cumsum[n:] - cumsum[:-n]) \/ float(n)\n\n#calculate moving average using previous 3 time periods\n<\/span>n = 3\nmoving_avg(x, n):\n\narray([47, 46.67, 56.33, 69.33, 86.67, 87.33, 89, 90])\n<\/strong><\/pre>\n\n
import<\/span> pandas as<\/span> pd\n\n#define array to use and number of previous periods to use in calculation<\/span>\nx = [50, 55, 36, 49, 84, 75, 101, 86, 80, 104]\nn=3\n\n#calculate moving average<\/span>\npd.Series(x).rolling(window=n).mean().iloc[n-1:].values\n\narray([47, 46.67, 56.33, 69.33, 86.67, 87.33, 89, 90])\n<\/strong><\/pre>\n #use 5 previous periods to calculate moving average<\/span>\nn=5\n\n#calculate moving average<\/span>\npd.Series(x).rolling(window=n).mean().iloc[n-1:].values\n\narray([54.8, 59.8, 69., 79., 85.2, 89.2])<\/strong><\/pre>\n