میانگین حرکت با پایتون

میانگین حرکت ساده ، تجمعی و نمایی با پاندا

میانگین متحرک معمولاً با سری زمانی برای صاف کردن تغییرات کوتاه مدت تصادفی و برجسته کردن سایر مؤلفه ها (روند ، فصل یا چرخه) موجود در داده های شما استفاده می شود. میانگین متحرک نیز به عنوان میانگین نورد شناخته می شود و با میانگین داده های سری زمانی در دوره های K محاسبه می شود. میانگین های متحرک به طور گسترده ای در امور مالی برای تعیین روند در بازار و مهندسی محیط زیست برای ارزیابی استانداردهای مربوط به کیفیت محیط زیست مانند غلظت آلاینده ها استفاده می شود.

در این مقاله ، ما به طور خلاصه محبوب ترین انواع میانگین های متحرک را توضیح می دهیم: (1) میانگین حرکت ساده (SMA) ، (2) میانگین متحرک تجمعی (CMA) و (3) میانگین متحرک نمایی (EMA). علاوه بر این ، ما نشان می دهیم که چگونه آنها را با پایتون پیاده سازی کنیم. برای این کار ، ما از دو مجموعه داده از داده های باز بارسلونا استفاده می کنیم ، حاوی بارندگی و درجه حرارت بارسلونا از سال 1786 تا سال 2019.

بیا شروع کنیم! گزینه های باینری...