如何在python中平滑具有低速的年度数据的时间序列
在Python中平滑具有低速的年度数据的时间序列可以使用滑动平均法或指数平滑法。
- 滑动平均法： 滑动平均法是一种简单的平滑时间序列的方法，它通过计算一定窗口内数据的平均值来减少噪声和波动。对于具有低速的年度数据，可以使用较大的窗口大小来平滑数据。
示例代码：
import pandas as pd
def smooth_data(data, window_size):
rolling_mean = data.rolling(window=window_size).mean()
return rolling_mean
# 示例数据
data = pd.Series([10, 15, 12, 18, 20, 22, 25, 28, 30, 35, 32, 38])
# 平滑数据
smoothed_data = smooth_data(data, window_size=3)
print(smoothed_data)推荐的腾讯云相关产品：无
- 指数平滑法： 指数平滑法是一种常用的时间序列平滑方法，它通过对数据赋予不同权重来平滑数据。对于具有低速的年度数据，可以使用较小的平滑系数来适应数据的变化。
示例代码：
import pandas as pd
def smooth_data(data, alpha):
smoothed_data = [data[0]]
for i in range(1, len(data)):
smoothed_value = alpha * data[i] + (1 - alpha) * smoothed_data[i-1]
smoothed_data.append(smoothed_value)
return pd.Series(smoothed_data)
# 示例数据
data = pd.Series([10, 15, 12, 18, 20, 22, 25, 28, 30, 35, 32, 38])
# 平滑数据
smoothed_data = smooth_data(data, alpha=0.3)
print(smoothed_data)推荐的腾讯云相关产品：无
以上是在Python中平滑具有低速的年度数据的时间序列的两种常用方法。滑动平均法适用于简单平滑，而指数平滑法适用于对数据变化更敏感的情况。具体选择哪种方法取决于数据的特点和需求。
相关·内容
2回答
如何使用指数平滑来平滑python中的时间序列？
python、machine-learning、time-series、signal-processing、forecasting
我试图使用指数烟雾来平滑时间序列。
假设我的时间序列如下所示：
import pandas as pd
data = [446.6565, 454.4733, 455.663 , 423.6322, 456.2713, 440.5881, 425.3325, 485.1494, 506.0482, 526.792 , 514.2689, 494.211 ]
index= pd.date_range(start='1996', end='2008', freq='A')
oildata = pd.Series(data, in
浏览 1提问于2020-04-01得票数 1
回答已采纳
1回答
在pandas中手动创建滚动窗口
python、pandas、rolling-computation
我想创建一个滚动窗口的函数，它通过时间移动(例如window_size=2秒)，并给出'temp‘列的平均值。 以下是数据集： data = {
'time': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12],
'temp': [20, 26, 28, 30, 31, 33, 29, 34, 16, 35, 38, 31]
} 我想要的数据集 data = {
'time': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12],
'temp'
浏览 15提问于2020-12-30得票数 1
回答已采纳
1回答
无法将输入序列和窗口大小转换为RNN模型的一组输入/输出对
python、machine-learning、data-science、recurrent-neural-network
我目前正在构建一个最近的神经网络模型，当我打算将我的输入数据转换为RNN模型的输入/输出集时，我现在被卡住了。
我尝试过将序列、window_size和步长作为输入的windoe_tranform_series函数，但我总是得到一个KEYERROR。
将我们的时间序列分割成序列
下面的函数将输入序列和窗口大小转换为我们的RNN模型的一组输入/输出对。
def window_transform_series(series,window_size,step_size):
inputs = []
outputs = []
ctr = 0
for i in range
浏览 22提问于2019-08-21得票数 0
回答已采纳
6回答
计算表中每x行的平均值并创建新表
python、python-3.x、pandas、dataframe、numpy
我有一个很长的数据表(大约200行x 50列)，我需要创建一个代码，它可以每两行计算一次表中每列的平均值，最终输出是一个新的平均值表。在Excel中这样做显然是疯狂的！我使用python3，我知道一些类似的问题：，和。但所有这些都没有帮助，因为我需要一些优雅的代码来处理多个列，并生成一个有组织的数据表。顺便说一句，我的原始datatable是使用pandas导入的，并被定义为dataframe，但在pandas中找不到一种简单的方法来实现这一点。非常感谢您的帮助。
该表(简写版本)的一个示例如下：
a b c d
2 50 25 26
4 11 38 44
6
浏览 3提问于2016-04-23得票数 38
1回答
用数据绘制移动平均图
python、pandas、matplotlib
我正试图计算和绘制移动平均线以及从以下数据计算的数据：
def movingAvg(df):
window_size = 7
i = 0
moving_averages = []
while i < len(df) - window_size + 1:
current_window = df[i : i + window_size]
window_average = current_window.mean()
moving_averages.append(window_average)
i += 1
return moving_averages
浏览 3提问于2020-08-05得票数 1
回答已采纳
2回答
无法将`start`参数与与数据索引相关的位置匹配
python-3.x、google-colaboratory
我不知道为什么我的‘开始’前置不能工作。我只是在pd.to_datetime上添加了一些编辑，但没有什么效果。我非常困惑如何解决这个问题。这是我的代码
pred = results.get_prediction(start=pd.to_datetime('2018-06-01'), dynamic=False)
pred_ci = pred.conf_int()
ax = y['2015':].plot(label='observed')
pred.predicted_mean.plot(ax=ax, label=
浏览 154提问于2019-10-27得票数 7
1回答
如何只转换同一列中也有实际日期和时间的NaN？从Python中的日期范围生成随机日期和时间？
python-3.x、pandas、numpy、dataframe、pycharm
在我的数据框中，有一个特定的列，其中包含日期和时间。在同一列中是NaN(空白行)，我只想将这些空白行转换为实际日期，而不是列中已经存在的日期和时间。
有没有办法让python从一个日期范围中随机挑选？我希望这个日期范围是02/01/2011 - 02/01/2013 (或尽可能接近)，并且时间是随机的。
由于回答了上面的问题(代码如下)，出现了一个新问题，我已经粘贴了最初问题的代码；
dates = pd.date_range('02/01/2011', periods=len(file1), freq='D').values
np.random.shuffle
浏览 0提问于2017-10-24得票数 0
2回答
向熊猫图中添加线条
python、pandas
我使用pandas创建了一个时间序列图，如下所示：
import numpy as np
import pandas as pd
rng = pd.date_range('2016-01-01', periods=60, freq='D')
ts = pd.Series(np.random.randn(len(rng)), index=rng)
ax = ts.plot()
ax.axhline(y=ts.mean(), xmin=-1, xmax=1, color='r', linestyle='--', lw=2)
浏览 2提问于2016-05-11得票数 17
4回答
Pandas .rolling指定时间窗口和win_type
python、pandas、time-series、moving-average
我想使用pandas在不规则的时间序列上使用时间窗口来计算移动平均值。理想情况下，应该使用对窗口进行指数加权，但参数(例如span)不接受基于时间的窗口。如果我们尝试使用，我们意识到我们不能将基于时间的窗口与win_type结合起来。
dft = pd.DataFrame({'B': [0, 1, 2, 3, 4]},
index = pd.Index([pd.Timestamp('20130101 09:00:00'),
pd.Timestamp(&
浏览 1提问于2017-11-19得票数 8
5回答
Python -按时间间隔分组的时间加权平均Pandas
python、pandas、timestamp、time-series、weighted-average
我在“潘达斯”( Pandas DataFrame )中有一个时间系列。时间戳可以是不均匀的(每1-5分钟一张)，但总是每5分钟一张(时间戳以0，5，10，15，20，25，30，35，40，45，50，55分钟结尾)。
示例：
2017-01-01 2:05:00 32.90
2017-01-01 2:07:30 29.83
2017-01-01 2:10:00 45.76
2017-01-01 2:15:00 16.22
2017-01-01 2:20:00 17.33
2017-01-01 2:25:00 23.40
2017-01-01 2:28:45 15
浏览 4提问于2017-09-04得票数 5
回答已采纳
2回答
为什么状态模型中的指数平滑为时间序列预测返回相同的值？
python、time-series、signal-processing、statsmodels、smoothing
我使用下面的代码在statsmodels中得到简单的指数平滑。
years = [1979,1980,1981,1982,1983,1984,1985,1986,1987,1988]
mylist = [3.508046180009842, 64.08556070923805, 15.407086104154587, 0, 3.8572598099708557, 11.009202659130096, 5.324577212333679, 4.33474725484848, 4.024865210056305, 5.065838277339935]
import pandas as pd
f
浏览 4提问于2020-04-19得票数 1
回答已采纳
3回答
将不同长度的列表作为新列添加到数据框中
python、python-3.x、pandas
我愿意在数据帧中添加或插入列表值。数据帧长度为49，而列表id为47的长度。在实现代码时，我得到了以下错误。
print("Lenght of dataframe: ",datasetTest.open.count())
print("Lenght of array: ",len(test_pred_list))
datasetTest['predict_close'] = test_pred_list
错误是：
-------------------------------------------------------------------
浏览 1提问于2018-07-19得票数 17
回答已采纳
1回答
顺序pandas滚动数据处理
pandas、python-3.6、sequential
我正在使用pandas rolling-function生成顺序数据。我的主窗口大小是51，我需要用不同的窗口从这个初始窗口计算各种度量，例如:虚拟数据：
df = pd.DataFrame(np.random.randint(0,800,size=(1000, 3)), columns=list('ABC'))
我的函数：
def test(data):
meanMov = np.zeros((51,3))
mean = np.mean(data[0:31,:],axis=0)
for i in range(0,16):
mea
浏览 3提问于2018-01-29得票数 0
1回答
熊猫系列在另一个熊猫系列中计算值
python、pandas
我在Pandas (s1)中创建了一个系列，用于根据原始DataFrame中的列('d1')计算这些固定数字(1-14)的实例数。我想要的是在这里展示(时代)；
s1 Last Times
1 2 72
2 34 59
3 15 48
4 0 30
5 13 39
6 4 28
7 6 34
8 3 31
9 17 17
1
浏览 0提问于2018-06-07得票数 1
回答已采纳
1回答
是否可以将标量值与Pandas系列一起传递给Pandas UDF函数
python-3.x、dataframe、pyspark、scipy-optimize-minimize
我试图在两列pyspark上使用scipy.optimize.minimize函数。
当将x0参数作为数组传递给Pandas函数时，我得到以下错误：
TypeError: Invalid argument, not a string or column: [0.9 0.5 2.5 5. 0.33] of type <class 'numpy.ndarray'>. For column literals, use 'lit', 'array', 'struct' or 'create_map'
浏览 3提问于2019-10-10得票数 3
1回答
一种度量时间序列数据帧平滑度的方法
pandas
我有一个大的分组数据的数据帧。我研究并看到了一种潜在的方法是使用标准deviation.Is的差异，有一种方法可以根据时间序列数据是如何计算平滑指数的，以便将平滑数据从嘈杂的data.Two中分离出来。
平滑(无噪声)
粗糙(噪声)
浏览 2提问于2021-07-29得票数 1
2回答
如何使用ARIMA对数据进行预测？
python、forecasting、arima、forecast、sarimax
我想使用ARIMA模型(自回归移动平均)来预测股票价格，并希望在实际数据和训练数据上绘制预测数据。我遵循本教程，也浏览了其他人。但它们都遵循相同的代码。以下是他们的教程的链接，供您参考：()
# Forecast
fc, se, conf= fitted.forecast(216, alpha=0.05) # 95% conf
我以为会有这样的图表
相反，出现了一条错误消息：ValueError:太多的值无法解压(预期的3)
请帮助:')
编辑:我以前试过这样做，它会在下一个代码中生成一个错误消息。我的下一行代码如下：
result = fitted.forecast(216,
浏览 23提问于2022-03-27得票数 1
4回答
熊猫计算ewm是错误的吗？
pandas、exponential、moving-average
当试图从数据帧中的金融数据计算指数移动平均(EMA)时，Pandas的ewm方法似乎是不正确的。
下面的链接很好地解释了基础知识：
转到Pandas解释时，采取的方法如下(调整参数为False)：
weighted_average[0] = arg[0];
weighted_average[i] = (1-alpha) * weighted_average[i-1] + alpha * arg[i]
在我看来这是不正确的。arg应该是(例如)收盘值，然而，arg是第一个平均值(即所选周期长度的第一系列数据的简单平均值)，而不是第一个收盘值。因此，arg和argi永远不能来自相同的数
浏览 16提问于2016-06-20得票数 15
1回答
基于闰年的熊猫时间序列分解
python、pandas、time-series、decomposition
我有一个熊猫时间序列(称为df)，它有一个列(带有名称数据)，其中包含每天频率在5年内的数据。以下代码生成一些随机数据：
import pandas as pd
import numpy as np
df_index = pd.date_range('01-01-2012', periods=5 * 365 + 2, freq='D')
df = pd.DataFrame({'data': np.random.rand(len(df_index))}, index=df_index)
我想做一个简单的年度趋势分解，每一天我都要减去一年前的价值
浏览 2提问于2018-05-28得票数 1
回答已采纳
1回答
提取特性时出现的type类型错误(Python)
python、dataframe、types、extract
但是，在使用tsfresh提取相关特性时，我遇到了一个与类型有关的错误，但我不知道为什么要将数据构造为DataFrame，而这正是tsfresh所需的。在这件事上任何帮助都是很好的，谢谢！
提取特征的代码：
import pandas as pd
from tsfresh import extract_relevant_features as erf
features = erf(gathered_data,"flux", column_id = "ids",column_sort = "phase")
DataFrame：
i
浏览 4提问于2017-07-17得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储活动推荐
腾讯云开发者
