<\/p>\n
Een cumulatief gemiddelde<\/strong> vertelt ons het gemiddelde van een reeks waarden tot een bepaald punt.<\/span><\/p>\n U kunt de volgende syntaxis gebruiken om het cumulatieve gemiddelde van waarden in een kolom van een Panda DataFrame te berekenen:<\/span><\/p>\n Het volgende voorbeeld laat zien hoe u deze syntaxis in de praktijk kunt gebruiken.<\/span><\/p>\n Laten we zeggen dat we het volgende panda’s DataFrame hebben dat de totale omzet van een winkel gedurende 16 opeenvolgende dagen weergeeft:<\/span><\/p>\n We kunnen de volgende syntaxis gebruiken om het lopende gemiddelde van de verkoopkolom te berekenen:<\/span><\/p>\n We zouden de cumulatieve gemiddelde waarden als volgt interpreteren:<\/span><\/p>\n Enzovoort.<\/span><\/p>\n Houd er rekening mee dat u ook de volgende code kunt gebruiken om de cumulatieve gemiddelde verkoopwaarden toe te voegen als een nieuwe kolom in het DataFrame:<\/span><\/p>\n De kolom cum_avg_sales<\/strong> geeft het cumulatieve gemiddelde weer van de waarden in de kolom \u2018sales\u2019.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere algemene statistieken in Python kunt berekenen:<\/span><\/p>\n Hoe een getrimd gemiddelde in Python te berekenen<\/a> Een cumulatief gemiddelde vertelt ons het gemiddelde van een reeks waarden tot een bepaald punt. U kunt de volgende syntaxis gebruiken om het cumulatieve gemiddelde van waarden in een kolom van een Panda DataFrame te berekenen: df[‚ column_name ‚]. expanding (). mean () Het volgende voorbeeld laat zien hoe u deze syntaxis in de praktijk […]<\/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":[],"class_list":["post-2826","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n df[' column_name<\/span> ']. expanding<\/span> (). mean<\/span> ()<\/strong><\/pre>\n Voorbeeld: Bereken het cumulatieve gemiddelde 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 Aanvullende bronnen<\/strong><\/span><\/h3>\n
Hoe het geometrische gemiddelde in Python te berekenen<\/a>
Hoe voortschrijdende gemiddelden in Python te berekenen<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"