पांडा में घातांकीय मूविंग औसत की गणना कैसे करें

समय श्रृंखला विश्लेषण में, एक चलती औसत पिछली कई अवधियों का औसत मूल्य मात्र है।

एक्सपोनेंशियल मूविंग एवरेज एक प्रकार का मूविंग एवरेज है जो हाल के अवलोकनों पर अधिक भार डालता है, जिसका अर्थ है कि यह हाल के रुझानों को अधिक तेज़ी से पकड़ने में सक्षम है।

यह ट्यूटोरियल बताता है कि पांडा डेटाफ़्रेम में मानों के एक कॉलम के लिए घातीय चलती औसत की गणना कैसे करें।

उदाहरण: पांडा में घातांकीय चलती औसत

मान लीजिए हमारे पास निम्नलिखित पांडा डेटाफ़्रेम हैं:

 import pandas as pd

#createDataFrame
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

हम पिछली कई अवधियों के लिए घातीय रूप से भारित चलती औसत की गणना करने के लिए पांडा.डेटाफ़्रेम.ewm() फ़ंक्शन का उपयोग कर सकते हैं।

उदाहरण के लिए, पिछली चार अवधियों का उपयोग करके घातीय रूप से भारित चलती औसत की गणना कैसे करें:

 #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

हम 4-दिवसीय घातांकीय भारित चलती औसत के सापेक्ष बिक्री की कल्पना करने के लिए मैटप्लोटलिब लाइब्रेरी का भी उपयोग कर सकते हैं:

 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)

अतिरिक्त संसाधन

पायथन में मूविंग एवरेज की गणना कैसे करें
पांडा में स्तंभों के औसत की गणना कैसे करें
पायथन में ऑटोसहसंबंध की गणना कैसे करें