17

我正在研究python中的时间序列。我发现有用和有希望的图书馆是

  • 熊猫；
  • statsmodel（用于 ARIMA）；
  • pandas 提供了简单的指数平滑。

也用于可视化：matplotlib

有谁知道指数平滑库？

4

3 回答 3

24

Pandas 具有指数加权的移动矩函数

http://pandas.pydata.org/pandas-docs/dev/computation.html?highlight=exponential#exponentially-weighted-moment-functions

顺便说一句，scikits.timeseries 包中不应该有任何功能在 pandas 中也不存在。

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，以在此处向 statsmodels 添加更多功能齐全的指数平滑

于 2012-10-04T13:04:01.953 回答
8

不知何故，有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)
于 2012-10-25T14:05:14.860 回答
6

您可以使用 Pandas 指数加权移动平均线http://pandas.pydata.org/pandas-docs/stable/generated/pandas.stats.moments.ewma.html预测未来值

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
于 2014-02-13T10:29:15.343 回答