Python: numpy，pandas，以及在前一个数组值(平滑平均值)上执行操作:有什么方法可以不使用FOR循环吗？EWMA？
Python: numpy，pandas，以及在前一个数组值(平滑平均值)上执行操作:有什么方法可以不使用FOR循环吗？EWMA？
提问于 2018-07-27 02:29:56
顺便说一句，我真的不知道该怎么问这个问题。我有一个值的数组，我希望将这些值的平滑平均值向前移动。在Excel中，计算过程为：
窗口大小=通过window_size
- average_val_2的平均值=(位置window_size+1 * window_size-1 +average_val_1的值)/ window_size
- average_val_3 =(位置window_size+2的值* window_size-1 + average_val_2) / window_size
等等。
在pandas和numpy中，我的代码如下
df = pd.DataFrame({'av':np.nan, 'values':np.random.rand(10)})
df = df[['values','av']]
window = 5
df['av'].iloc[5] = np.mean(df['values'][:5])
for i in range(window+1,len(df.index)):
df['av'].iloc[i] = (df['values'].iloc[i] * (window-1) + df['av'].iloc[i-1])/window它返回：
values av
0 0.418498 NaN
1 0.570326 NaN
2 0.296878 NaN
3 0.308445 NaN
4 0.127376 NaN
5 0.381160 0.344305
6 0.239725 0.260641
7 0.928491 0.794921
8 0.711632 0.728290
9 0.319791 0.401491这些就是我正在寻找的值，但是一定有比使用 for 循环更好的方法。我认为答案与使用指数加权移动平均有关，但如果我能找出语法来理解它，我会被诅咒的。
有什么建议吗？
回答 1
Stack Overflow用户
回答已采纳
发布于 2018-07-27 03:48:14
您可以使用ewm，例如：
window = 5
df['av'] = np.nan
df['av'].iloc[window] = np.mean(df['values'][:window])
df.loc[window:,'av'] = (df.loc[window:,'av'].fillna(df['values'])
.ewm(adjust=False, alpha=(window-1.)/window).mean())你会得到与循环for相同的结果。为了确保它工作，列'av‘必须为nan，否则包含列’fillna‘的值将不会发生，并且在'av’中计算的值将是错误的。ewm中的参数alpha可以帮助您增加要计算的行的权重。
注意:虽然这段代码和您的代码一样，但我建议您查看代码中的这一行：
df['av'].iloc[5] = np.mean(df['values'][:5])由于在对[:5]进行切片时排除了上界，因此df['values'][:5]是：
0 0.418498
1 0.570326
2 0.296878
3 0.308445
4 0.127376
Name: values, dtype: float64所以我认为你应该做的是df['av'].iloc[4] = np.mean(df['values'][:5])。如果你同意，那么我的上述内容必须稍作修改
df['av'].iloc[window-1] = np.mean(df['values'][:window])
df.loc[window-1:,'av'] = (df.loc[window-1:,'av'].fillna(df['values'])
.ewm(adjust=False, alpha=(window-1.)/window).mean())页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/51545419
复制相关文章
相似问题