Python pandas.Series.ewm用法及代碼示例

用法: Series.ewm(com=None, span=None, halflife=None, alpha=None, min_periods=0, adjust=True, ignore_na=False, axis=0, times=None, method='single')

提供 index 加權 (EW) 計算。

必須提供一個參數：com、span、halflife 或alpha。

參數：

com：浮點數，可選

根據質心指定衰減

\(\alpha = 1 / (1 + com)\) ，對於 \(com \geq 0\) 。

span：浮點數，可選

根據跨度指定衰減

\(\alpha = 2 / (span + 1)\) ，對於 \(span \geq 1\) 。

halflife：浮點數，str，timedelta，可選

指定衰減 half-life

\(\alpha = 1 - \exp\left(-\ln(2) / halflife\right)\) ，對於 \(halflife > 0\) 。

如果指定times，則觀察值衰減到其值一半的時間單位(str 或 timedelta)。僅適用於 mean() ，半衰期值不適用於其他函數。

alpha：浮點數，可選

直接指定平滑因子\(\alpha\)

\(0 < \alpha \leq 1\) 。

min_periods：整數，默認 0

具有值所需的窗口中的最小觀察數；否則，結果為 np.nan 。

adjust：布爾值，默認為真

除以期初的衰減調整因子，以說明相對權重的不平衡(將 EWMA 視為移動平均線)。

當 adjust=True(默認)時，EW 函數使用權重 \(w_i = (1 - \alpha)^i\) 計算。例如，序列 [\(x_0, x_1, ..., x_t\)] 的 EW 移動平均線將是：

\[y_t = \frac{x_t + (1 - \alpha)x_{t-1} + (1 - \alpha)^2 x_{t-2} + ... + (1 - \alpha)^t x_0}{1 + (1 - \alpha) + (1 - \alpha)^2 + ... + (1 - \alpha)^t}\]

當 adjust=False 時，遞歸計算 index 加權函數：

\[\begin{split}\begin{split} y_0 &= x_0\\ y_t &= (1 - \alpha) y_{t-1} + \alpha x_t, \end{split}\end{split}\]

ignore_na：布爾值，默認為 False

計算權重時忽略缺失值。

ignore_na=False(默認)時，權重基於絕對位置。例如，在計算 [ \(x_0\) , None, \(x_2\) ] 的最終加權平均值時使用的 \(x_0\) 和 \(x_2\) 的權重是 \((1-\alpha)^2\) 和 \(1\) if adjust=True 和 \((1-\alpha)^2\) 和\(\alpha\) 如果 adjust=False 。
當 ignore_na=True 時，權重基於相對位置。例如，在計算 [ \(x_0\) , None, \(x_2\) ] 的最終加權平均值時使用的 \(x_0\) 和 \(x_2\) 的權重是 \(1-\alpha\) 和 \(1\) if adjust=True 和 \(1-\alpha\) 和\(\alpha\) 如果 adjust=False 。

axis：{0, 1}，默認 0

如果 0 或 'index' ，跨行計算。

如果 1 或 'columns' ，跨列計算。

times：str，np.ndarray，係列，默認無

僅適用於 mean() 。

對應於觀察的時間。必須單調遞增和datetime64[ns] dtype。

如果是一維數組，則與觀察值具有相同形狀的序列。

method：str {‘single’, ‘table’}，默認 ‘single’

對單個列或行 ('single') 或整個對象 ('table') 執行滾動操作。

此參數僅在方法調用中指定engine='numba' 時實現。

僅適用於mean()

ExponentialMovingWindow 子類

注意：

有關更多使用細節和示例，請參閱窗口操作。

例子：

>>> df = pd.DataFrame({'B': [0, 1, 2, np.nan, 4]})
>>> df
     B
0  0.0
1  1.0
2  2.0
3  NaN
4  4.0

>>> df.ewm(com=0.5).mean()
          B
0  0.000000
1  0.750000
2  1.615385
3  1.615385
4  3.670213
>>> df.ewm(alpha=2 / 3).mean()
          B
0  0.000000
1  0.750000
2  1.615385
3  1.615385
4  3.670213

調整

>>> df.ewm(com=0.5, adjust=True).mean()
          B
0  0.000000
1  0.750000
2  1.615385
3  1.615385
4  3.670213
>>> df.ewm(com=0.5, adjust=False).mean()
          B
0  0.000000
1  0.666667
2  1.555556
3  1.555556
4  3.650794

ignore_na

>>> df.ewm(com=0.5, ignore_na=True).mean()
          B
0  0.000000
1  0.750000
2  1.615385
3  1.615385
4  3.225000
>>> df.ewm(com=0.5, ignore_na=False).mean()
          B
0  0.000000
1  0.750000
2  1.615385
3  1.615385
4  3.670213

次

使用相對於 times 的 timedelta halflife 計算權重的 index 加權平均值。

>>> times = ['2020-01-01', '2020-01-03', '2020-01-10', '2020-01-15', '2020-01-17']
>>> df.ewm(halflife='4 days', times=pd.DatetimeIndex(times)).mean()
          B
0  0.000000
1  0.585786
2  1.523889
3  1.523889
4  3.233686

相關用法

注：本文由純淨天空篩選整理自pandas.pydata.org大神的英文原創作品 pandas.Series.ewm。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：

注意：

例子：