Pandas에서 지수 이동 평균을 계산하는 방법

시계열 분석에서 이동 평균은 단순히 여러 이전 기간의 평균 값입니다.

지수 이동 평균은 최근 관측치에 더 많은 가중치를 두는 이동 평균 유형으로, 이는 최근 추세를 더 빠르게 포착할 수 있음을 의미합니다.

이 튜토리얼에서는 Pandas DataFrame의 값 열에 대한 지수 이동 평균을 계산하는 방법을 설명합니다.

예: 팬더의 지수 이동 평균

다음과 같은 팬더 DataFrame이 있다고 가정합니다.

 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

pandas.DataFrame.ewm() 함수를 사용하여 이전 기간의 지수 가중 이동 평균을 계산할 수 있습니다.

예를 들어 이전 4개 기간을 사용하여 지수 가중 이동 평균을 계산하는 방법은 다음과 같습니다.

 #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

또한 matplotlib 라이브러리를 사용하여 4일 지수 가중 이동 평균을 기준으로 매출을 시각화할 수 있습니다.

 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)

추가 리소스

Python에서 이동 평균을 계산하는 방법
Pandas에서 열의 평균을 계산하는 방법
Python에서 자기상관을 계산하는 방법