Gewichtete Gleitende Durchschnittspython

Ich habe Daten in im Wesentlichen zufälligen Intervallen abgetastet. Ich möchte einen gewichteten gleitenden Durchschnitt mit numpy (oder andere Python-Paket) zu berechnen. Ich habe eine grobe Implementierung eines gleitenden Durchschnittes, aber ich habe Mühe, einen guten Weg zu finden, einen gewichteten gleitenden Durchschnitt durchzuführen, so dass die Werte in Richtung zur Mitte des Behälters mehr als Werte zu den Rändern gewichtet werden. Hier generiere ich einige Beispieldaten und dann einen gleitenden Durchschnitt. Wie kann ich am leichtesten implementieren einen gewichteten gleitenden Durchschnitt Dank Mit dem Rat von crs17, um Gewichte in der np. average-Funktion verwenden, kam ich gewichtete durchschnittliche Funktion, die eine Gaußsche Funktion verwendet, um die Daten Gewicht: Ich habe eine Reihe von Daten und Eine Messung zu jedem dieser Daten. Id wie zu berechnen einen exponentiellen gleitenden Durchschnitt für jeden der Termine. Weiß jemand, wie dies zu tun Im neu zu python. Es scheint nicht, dass Durchschnittswerte in die Standard-Python-Bibliothek, die mich als ein wenig seltsam schlägt gebaut werden. Vielleicht Im nicht auf der Suche nach der richtigen Stelle. Also, angesichts der folgenden Code, wie könnte ich berechnen die bewegten gewichteten Durchschnitt der IQ-Punkte für Kalendertermine (theres vermutlich eine bessere Art und Weise, die Daten zu strukturieren, würde jeder Rat geschätzt werden) Ask Jan 28 09 at 18:01 My python is a Etwas rostig (jedermann kann fühlen frei, diesen Code zu redigieren, um Korrekturen vorzunehmen, wenn Ive die Syntax irgendwie verwirrte), aber hier geht. Diese Funktion bewegt sich von dem Ende der Liste an den Anfang rückwärts, wobei der exponentielle gleitende Durchschnitt für jeden Wert durch Rückwärtsarbeiten berechnet wird, bis der Gewichtungskoeffizient für ein Element kleiner als der gegebene Wert ist. Am Ende der Funktion kehrt es die Werte um, bevor die Liste zurückgegeben wird (so dass sie in der richtigen Reihenfolge für den Aufrufer sind). (SEITE HINWEIS: Wenn ich eine andere Sprache als Python verwendet habe, erstelle ich zuerst ein leeres Array mit voller Größe und fülle es dann rückwärts, damit ich es nicht am Ende umkehren muss, aber ich glaube nicht, dass du es erklären kannst Eine große leere Array in python. And in Python-Listen, Anhängen ist viel weniger teuer als vorangestellt, weshalb ich baute die Liste in umgekehrter Reihenfolge. Korrigieren Sie mich, wenn Im falsch.) Das Alpha-Argument ist der Zerfallsfaktor auf jeder Iteration. Zum Beispiel, wenn Sie ein Alpha von 0,5 verwendet haben, würde der heutige gleitende Durchschnittswert aus den folgenden gewichteten Werten bestehen: Natürlich, wenn Sie eine riesige Palette von Werten erhalten haben, werden die Werte von zehn oder fünfzehn Tagen nicht viel dazu beitragen Heute gewichteter Durchschnitt. Mit dem Argument epsilon können Sie einen Grenzwert festlegen, unterhalb dessen Sie nicht mehr auf alte Werte achten (da ihr Beitrag zum heutigen Wert unbedeutend ist). Youd rufen die Funktion so etwas wie folgt auf: Ich weiß nicht, Python, aber für die Mittelung Teil, meinst du ein exponentiell abklingendes Tiefpassfilter des Formulars, wo Alpha-dttau, dt der Zeitstep des Filters , Tau die Zeitkonstante des Filters (die variable-timestep Form davon ist wie folgt, nur Clip dttau auf nicht mehr als 1,0) Wenn Sie etwas wie ein Datum filtern möchten, stellen Sie sicher, dass Sie in eine Gleitkommazahl konvertieren Wie von Sekunden seit 1. Januar 1970. antwortete Jan 28 09 am 18:10 Ich fand das oben Code-Snippet von Earino ziemlich nützlich - aber ich brauchte etwas, das kontinuierlich glatt einen Strom von Werten könnte - so dass ich es umgestaltet: und ich benutze Es wie folgt: (wobei Pin. read () erzeugt den nächsten Wert Id wie zu konsumieren). Antwortete am 12. Februar 14 um 20:35 Im immer Berechnen EMAs mit Pandas: Hier ist ein Beispiel, wie es zu tun: Mehr infos über Pandas EWMA: beantwortet Oct 04 15 am 12:42 Don39t neuere Versionen von Pandas haben neue und bessere Funktionen. Ndash Cristian Ciupitu Mai 11 16 at 14:10 Beachten Sie, dass im Gegensatz zu ihrer Kalkulationstabelle, ich nicht berechnen die SMA, und ich nicht warten, um die EMA nach 10 Proben zu generieren. Dies bedeutet, meine Werte unterscheiden sich geringfügig, aber wenn Sie es Diagramm, es folgt genau nach 10 Proben. Während der ersten 10 Proben wird die EMA I berechnend geglättet. Technische Indikatoren 0.0.15 Dieses Modul enthält einige technische Indikatoren für die Analyse von Beständen. Dieses Modul bietet einige technische Indikatoren für die Analyse von Beständen. Wenn ich kann, werde ich mehr hinzufügen. Wenn jemand mit neuen Code oder Korrektur-Zugeständnisse beitragen möchte, fühlen Sie sich frei. Relative Strength Index (RSI), ROC, MA Umschläge Simple Moving Average (SMA), Weighted Moving Average (WMA), Exponential Moving Average (EMA) Bollinger Bands (B), Bollinger Bandbreite, B Es erfordert numpy. Dieses Modul wurde getestet und getestet unter Windows mit Python 2.7.3 und numpy 1.6.1.