Panda media mobile

"I" panda ", che è la biblioteca di" Python ", fornisce molte funzioni integrate che ci aiutano a svolgere facilmente compiti diversi utilizzando queste funzioni. Fornisce diversi metodi che abbiamo utilizzato per calcolare le medie mobili. Viene utilizzato per analizzare le informazioni sulla serie temporale generando le medie di sottoinsiemi distinti dell'intero set di dati. Possiamo anche usare il nome medio rotolante al posto della media mobile. Con le informazioni sulle serie temporali, la media mobile viene generalmente utilizzata per l'acquisizione di variazioni a breve termine mentre si concentra su tendenze più lunghe. Discuteremo tutti i suoi metodi in questa guida e spiegheremo come funziona in "Panda"."

Metodi per la media mobile

I "panda" ci facilitano con tre metodi distinti di questo metodo "media mobile panda". Discuteremo anche in dettaglio tutti e tre i metodi in questa guida. Questi metodi sono:

• • Semplice media mobile.
  • Media mobile esponenziale.
  • Media mobile cumulativa.

Andiamo verso la dimostrazione pratica di tutti questi metodi nel codice "panda" qui.

Esempio # 01

Dato che stiamo usando lo strumento "Spyder" per utilizzare praticamente questi metodi in "Panda". Per applicare il metodo "media mobile", dobbiamo creare il telaio di dati in "Panda". Per questo, generamo per la prima volta il dizionario qui, che si chiama "Group_data", e inseriamo "Group_leader", in cui sono entrati "Olive, Rowan, Julian, Howard, Novah, Juliet, Ella e Ava". Quindi, abbiamo "supervisore", che contiene "Amina, Asher, Felix, William, Bromley, Nora, Collins e Freya". Quindi, mettiamo la "presentazione", che contiene i segni della presentazione che sono "15, 18, 16, 10, 19, 11, 15 e 14". Abbiamo anche "incarichi", in cui abbiamo aggiunto i segni degli incarichi e quei segni sono "29, 26, 25, 27, 28, 28, 25 e 26".

Dopo i segni di assegnazione, abbiamo aggiunto i segni interni in "interno", che sono "5, 6, 9, 8, 5, 7, 2 e 6". Quindi dobbiamo convertire questo dizionario "Group_data" nel frame dati "Group_DF". Per questo, abbiamo usato il metodo "Panda", che ci aiuta a convertire il dizionario nel frame dati. Questo metodo è "PD.Dataframe () ”qui, e inseriamo il nome del dizionario in esso come parametro. Dopo questo, stampiamo il "Group_DF" utilizzando il metodo "Print ()".

Eseguiamo questo codice nello strumento "Spyder" premendo "Shift+Enter". Dopo l'esecuzione del codice sopra, il frame dati viene visualizzato sul terminale. Ora andremo avanti e applicheremo il metodo della media mobile alle colonne di questo frame dati.

Stiamo usando "semplice media mobile" qui e abbiamo applicato questa semplice media mobile su due colonne del frame dati. Memorizziamo i valori nella variabile "Group_df1", che otteniamo dopo aver applicato la media di rotolamento su due colonne. Queste due colonne vengono aggiunte dopo aver inserito il nome del telaio di dati all'interno di due staffe quadrate. Queste due colonne sono "presentazioni e assegnazioni" qui. Quindi posizioniamo la finestra rotolante, che è "2" qui e quindi utilizziamo il metodo "medio ()". Questa finestra di rotolamento viene utilizzata per prendere le medie rispetto al numero predeterminato degli intervalli di tempo. Successivamente, il "gruppo_df1" viene aggiunto nel metodo "print ()" per la stampa sul terminale.

Di seguito vengono visualizzati i valori che otteniamo dopo aver applicato il metodo medio mobile o rotolante alle colonne "Presentazione" e "Assegnazioni". I valori visualizzati qui sono i valori della media mobile di entrambe le colonne.

Esempio # 02

Utilizziamo di nuovo il "gruppo_df" e questa volta stiamo applicando la "media mobile esponenziale". Quando vogliamo applicare la media mobile esponenziale, utilizziamo il metodo "EWM ()". In questo metodo "ewm ()", dobbiamo passare il valore "span". Applichiamo questo metodo sulla colonna "Intervalli" e salviamo i nuovi valori nella colonna "EWM_30", che viene aggiunto anche a questo telaio di dati "Group_DF" dopo aver applicato il metodo "EWM ()". Il valore "span" che abbiamo impostato qui è "30" e posizioniamo anche il metodo "Mean ()" con questo metodo "EWM ()".

Il telaio dati prima di applicare il metodo "EWM ()" e dopo aver applicato il metodo "EWM ()" viene visualizzato qui. La colonna "EWM_30" viene aggiunta nel frame dati seguente, che viene creata qui per memorizzare i valori della media mobile della colonna "Intervalli" dopo aver applicato il metodo "EWM ()" a questa colonna.

Esempio # 03

Le biblioteche "panda" e "numpy" vengono importate qui perché dobbiamo utilizzare i metodi di entrambe le librerie in "Panda". Il frame dati che abbiamo creato qui contiene quattro colonne. La prima colonna, "Cola", contiene "0, 1, 2, 3, 4, NP.nan, 7, np.nan e 9 ". Il "ColB" è qui in cui abbiamo aggiunto "7, 8, 9, 10, 4, 17, 14, 12 e 22". Quindi abbiamo "Colc", in cui abbiamo messo "10, 21, 12, NP.Nan, 14, 15, 17, 11 e 33 ". Il "freddo" è ora aggiunto in cui abbiamo inserito "20, 31, 2, 14, 11, NP.NAN, 24, 10 e NP.Nan ".

Quindi utilizziamo la "stampa (df)" che stamperà questo frame dati. Applicheremo la media mobile, ma prima visualizzeremo questo telaio di dati qui.

Il frame dati prima di applicare qualsiasi metodo della media mobile è reso di seguito. Puoi facilmente notare che tutte le colonne vengono visualizzate qui. Ora applicheremo la media mobile su tutte queste colonne e visualizzeremo il risultato.

Stiamo applicando la semplice media mobile o rotolante qui e sappiamo che dobbiamo passare il valore della finestra di rotazione in questo metodo di rotazione. Quindi, passiamo "2" qui, e poi applichiamo il metodo "Sum ()" con questo metodo della media mobile. Abbiamo memorizzato i valori che otteniamo dopo aver applicato il metodo "rolling ()" alle colonne; I valori di "cola" sono archiviati in valori "somma a", "colb" in "somma b" e "colc" in "somma c" e anche valori "freddi" nella variabile "somma d".

Abbiamo anche applicato il metodo "Fillna ()" qui e passiamo "0" come parametro, che cambierà tutti i valori null che otteniamo dopo aver applicato il metodo di rolling in "0" e archiviare il nuovo frame dati in "DF2" e Visualizza anche "DF2". Eseguiamo questo codice e vediamo il risultato dopo aver applicato queste medie mobili a tutte le colonne separatamente.

Ecco il risultato di questo codice, in cui vengono visualizzati i valori, che otteniamo dopo aver utilizzato il metodo "rolling ()" su tutte le colonne e visualizzando i valori della media mobile nella nuova colonna. Successivamente, sostituisce tutti i valori null con "0" e visualizza anche il nuovo frame di dati di seguito, che contiene "0" nel luogo di "nan", che sono valori null.

Esempio # 04

Possiamo anche calcolare le medie mobili del file CSV dopo aver letto i dati nel file. Qui stiamo leggendo i "corsi.File CSV "mettendo il" PD.Metodo read_csv () "e quindi memorizzazione dei dati come frame dati in" Courses_DF ". Stiamo applicando il metodo "media mobile cumulativa" qui. In questo metodo, non dobbiamo aggiungere la dimensione della finestra fissa perché la dimensione della finestra cambia con il tempo. Per utilizzare questo, dobbiamo mettere il metodo "in espansione ()" e, dopo questo, posizioniamo il "mezzo ()". Abbiamo applicato questo metodo alla colonna "Sconto", che è presente nel file CSV e memorizzato il risultato nella colonna "Medio_CMA".

Il frame dati che abbiamo ottenuto dopo aver letto i "corsi.Il file CSV ӏ reso per primo. Quindi il metodo della media mobile cumulativa viene applicato qui e il risultato che otteniamo dopo aver applicato questo metodo viene visualizzato anche di seguito nella colonna "Medio_CMA".

Conclusione

Il concetto di "media mobile" di "panda" è discusso in dettaglio in questa guida. Abbiamo discusso di tre diversi metodi che abbiamo utilizzato in "Panda" per il calcolo delle "medie mobili". Abbiamo applicato tutti e tre i metodi separatamente nei nostri esempi e abbiamo spiegato come funzionano questi metodi e come utilizzare questi metodi in "Panda". Abbiamo applicato questi metodi alle colonne dopo aver creato il frame dati qui e abbiamo anche applicato questo metodo ai dati del file CSV dopo aver letto il file CSV. Abbiamo spiegato tutti i metodi in dettaglio qui.