@创建于:20210311
@修改于:20210311
文章目录
1、背景
DataFrame下的指数权重滑窗算法在时间序列预测中较常用。本文对其的使用方法、理论内容和具体例子进行阐述,以方便使用者最快速度掌握。
2、ewm介绍
2.1 DataFrame ewm API接口介绍
此处对应的pandas 版本号是 1.2.2:pandas.DataFrame.ewm
DataFrame.ewm(com=None, span=None, halflife=None, alpha=None, min_periods=0, adjust=True, ignore_na=False, axis=0, times=None)
| 编号 | 英文 | 中文 |
|---|---|---|
| 1 | Provide exponential weighted (EW) functions. | 提供指数加权函数 |
| 2 | Available EW functions: mean(), var(), std(), corr(), cov(). | 可供使用指数加权函数有:mean(), var(), std(), corr(), cov() |
| 3 | Exactly one parameter: com, span, halflife, or alpha must be provided. | 只能提供一个参数: com, span, halflife, 和 alpha 四个参数中有且仅有一个参数可被设置(不支持2个或2个以上的设置)。 |
| 4 | min_periods=0, adjust=True, ignore_na=False, axis=0, times=None | 这些可选。 |
2.2 参数介绍
(1)com : float, optional 可选
Specify decay in terms of center of mass,
根据质心指定衰减
:math:\alpha = 1 / (1 + com), for :math:com \geq 0.
α = 1 1 + c o m , c o m ≥ 0 \alpha = \frac{1}{1+com},com \geq 0 α=1+com1

本文详细介绍了Pandas库中DataFrame的ewm(指数加权移动平均)方法的使用技巧及参数说明,并通过实例展示了不同参数配置的效果。
最低0.47元/天 解锁文章
1262

被折叠的 条评论
为什么被折叠?



