Як обчислити експоненціальне ковзне середнє в pandas

В аналізі часових рядів ковзне середнє – це просто середнє значення кількох попередніх періодів.

Експоненціальне ковзне середнє – це тип ковзного середнього, який надає більшої ваги останнім спостереженням, тобто здатний швидше охоплювати останні тенденції.

У цьому посібнику пояснюється, як обчислити експоненціальне ковзне середнє для стовпця значень у pandas DataFrame.

Приклад: експоненціальне ковзне середнє в пандах

Припустімо, що у нас є наступні pandas DataFrame:

 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

Ми можемо використовувати функцію pandas.DataFrame.ewm() для обчислення експоненціально зваженого ковзного середнього для кількох попередніх періодів.

Наприклад, ось як обчислити експоненціально зважену ковзну середню за попередніми чотирма періодами:

 #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

Ми також можемо використовувати бібліотеку matplotlib для візуалізації продажів відносно 4-денного експоненціально зваженого ковзного середнього:

 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)

Додаткові ресурси

Як обчислити ковзні середні в Python
Як обчислити середнє значення стовпців у Pandas
Як обчислити автокореляцію в Python