我在python中处理时间序列。我发现的有用和有前途的库是
也可用于可视化: matplotlib
有没有人知道指数平滑库?
发布于 2012-10-04 21:04:02
Pandas具有指数加权的移动矩函数
顺便说一句,除了pandas之外,scikits.timeseries包中不应该残留任何功能。
编辑:由于这仍然是一个流行的问题,现在有一个正在进行的拉取请求,要求向statsmodels here添加更多功能齐全的指数平滑
发布于 2012-10-25 22:05:15
不知何故,一些问题被合并或删除了,所以我会在这里发布我的答案。
Python原生的Exp平滑。
'''
simple exponential smoothing
go back to last N values
y_t = a * y_t + a * (1-a)^1 * y_t-1 + a * (1-a)^2 * y_t-2 + ... + a*(1-a)^n * y_t-n
'''
from random import random,randint
def gen_weights(a,N):
ws = list()
for i in range(N):
w = a * ((1-a)**i)
ws.append(w)
return ws
def weighted(data,ws):
wt = list()
for i,x in enumerate(data):
wt.append(x*ws[i])
return wt
N = 10
a = 0.5
ws = gen_weights(a,N)
data = [randint(0,100) for r in xrange(N)]
weighted_data = weighted(data,ws)
print 'data: ',data
print 'weights: ',ws
print 'weighted data: ',weighted_data
print 'weighted avg: ',sum(weighted_data)
发布于 2014-02-13 18:29:15
您可以使用Pandas指数加权移动平均http://pandas.pydata.org/pandas-docs/stable/generated/pandas.stats.moments.ewma.html预测未来值,如下所示
from pandas.stats.moments import ewma
import numpy as np
pred_period = 12
def predict(x,span,periods = pred_period):
x_predict = np.zeros((span+periods,))
x_predict[:span] = x[-span:]
pred = ewma(x_predict,span)[span:]
return pred
https://stackoverflow.com/questions/12726432
复制相似问题