威尔斯·怀尔德的大熊猫移动平均线
提问于 2020-02-27 17:23:55
我试图在熊猫数据中计算Welles的移动平均类型(也称为累积移动平均)。
计算级数'A‘的'n’周期的Wilder移动平均的方法是：
- 计算'A‘中第一个'n’值的平均值，并将其设为'n‘位置的平均值。
- 用于下列值，使用先前的平均值(n-1)和序列的当前值(加权为1)，再除以’n‘。
我的问题是:如何以矢量化的方式实现这一点？
我试图在dataframe上进行迭代(我所读到的内容并不推荐，因为它很慢)。它有效，值是正确的，但是我得到了一个错误
SettingWithCopyWarning：
值试图在DataFrame的切片副本上设置。
这可能不是最有效的方法。
到目前为止我的代码是：
import pandas as pd
import numpy as np
#Building Random sample:
datas = pd.date_range('2020-01-01','2020-01-31')
np.random.seed(693)
A = np.random.randint(40,60, size=(31,1))
df = pd.DataFrame(A,index = datas, columns = ['A'])
period = 12 # Main parameter
initial_mean = A[0:period].mean() # Equation for the first value.
size = len(df.index)
df['B'] = np.full(size, np.nan)
df.B[period-1] = initial_mean
for x in range(period, size):
df.B[x] = ((df.A[x] + (period-1)*df.B[x-1]) / period) # Equation for the following values.
print(df)
回答 1
Stack Overflow用户
回答已采纳
发布于 2020-02-27 19:06:31
您可以使用Pandas ewm()方法，它的行为与adjust=False时所描述的完全相同。
在调整错误时，按以下方式递归计算加权平均值：
weighted_average = arg；weighted_averagei =(1-α)*加权平均-1+α*argi
如果您想要对第一个句点项做简单的平均值，您可以先这样做，并将ewm()应用于结果。
您可以用第一个周期项目的平均数计算一个序列，然后用公式计算重复逐字重复的其他项目：
pd.Series(
data=[df['A'].iloc[:period].mean()],
index=[df['A'].index[period-1]],
).append(
df['A'].iloc[period:]
)因此，为了计算Wilder移动平均值并将其存储在新列'C'中，您可以使用：
df['C'] = pd.Series(
data=[df['A'].iloc[:period].mean()],
index=[df['A'].index[period-1]],
).append(
df['A'].iloc[period:]
).ewm(
alpha=1.0 / period,
adjust=False,
).mean()在这一点上，您可以计算df['B'] - df['C']，您将看到差值几乎为零(浮点数有一些舍入误差)。因此，这相当于使用循环进行计算。
您可能需要考虑跳过第一个句点项之间的直接平均值，而只是从一开始就开始应用ewm()，这将假设第一行是第一次计算中的前一个平均值。结果会略有不同，但一旦经历了几个阶段，这些初始值几乎不会影响结果。
这将是一种更简单的计算方法：
df['D'] = df['A'].ewm(
alpha=1.0 / period,
adjust=False,
).mean()页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/60444037
复制相关文章
![深度学习论文精读[GAN]：利用深度生成先验进行多用途图像修复与处理](https://ask.qcloudimg.com/http-save/yehe-1557172/7d52a7771dfe476939c00f43bd8be3de.png)
腾讯云开发者
