Ho la seguente funzione per il calcolo SMA in python: Questa funzione è attiva, ma lo trovo molto poco divinatorio. Non mi piace l'indicizzazione e il conteggio sto facendo, né il modo che ho per aggiungere alla lista e poi trasformarlo in una serie NumPy prima di restituirlo. La ragione per cui ho a che fare con tutti questi None, è perché voglio restituire un array alla stessa dimensione come la matrice di ingresso. Questo rende più facile tracciare e trattare con un livello generale tardi. Posso facilmente fare cose come questa: Così, qualche idea su come questo può essere fatto più bella e più divinatorio chiesto 2 marzo alle 11: 13Ok così Im scrivendo una classe che calcola una media mobile semplice su un elenco di prezzi. Si calcola la media ogni numero N di prezzi con i calcolo del primo N-1 giorni. Questo è quello che ho: ho provato facendo un oggetto di classe sul guscio x Simplemovingaverage (3, 1,2,3,4,5,6,7,8,9,10) e poi facendo il metodo calcolare da x. calculate l'uscita ho ottenuto è stato: Quindi, dal mio elenco di numeri il suo unico calcolando fino a 7.8.9 l'ultimo numero dovrebbe essere 9, perché questo è il media di 8,9,10 e anche ci dovrebbe essere solo 3 zeri da N è 3. Questa è l'uscita Im che cerca: ha chiesto 18 febbraio 14 alle 05:32 esattamente ho bisogno di n-1 zeri, con n come 3 ottengo due zeri. Lo zero è solo per dire che è possibile calcolare una media mobile semplice su n-giorni senza il primo n-1. Quando cambio lo zero a 3939 uno spazio vuoto che mi dà 2 spazi vuoti e poi le medie a partire da 3 che è quello che mi serve. Quando ho messo il 1 mi dà 1 spazio vuoto e uno zero prima del suo inizio calcola la media di 3. Penso che tu frainteso il ruolo degli zeri. ndash user2423347 18 febbraio 14 alle 7: 40We precedentemente introdotto come creare medie mobili utilizzando Python. Questo tutorial sarà una continuazione di questo argomento. Una media mobile nel contesto delle statistiche, chiamata anche media rollingrunning, è un tipo di risposta all'impulso finita. Nel nostro precedente tutorial abbiamo tracciato i valori degli array X e Y: trama Let8217s x contro la media mobile di y che chiameremo Yma: In primo luogo, let8217s pareggiare la lunghezza di entrambi gli array: E per mostrare in questo contesto: La risultante grafico: Per aiutare a capire questo, let8217s trama due diversi rapporti: x vs Y e x vs maggio: la media mobile ecco la trama verde che inizia alle 3: Condividi questo: in questo modo: Messaggio di navigazione Lascia un commento Cancella risposta Molto utile I vorrebbe leggere l'ultima parte su grandi insiemi di dati Spero che arriverà soon8230 blogger D ti piace questa: gli esempi seguenti producono una media mobile dei valori FINESTRA precedenti. Abbiamo troncare il primi valori (finestra -1) da quando abbiamo can8217t trovare la media prima di loro. (Il comportamento predefinito per convoluzione è di assumere che i valori prima dell'inizio della nostra sequenza sono 0). (Più formalmente, costruiamo la sequenza Y per la sequenza x dove yi (xi x (i1) 8230. x (in)) n) Questo fa uso della funzione numpy8217s convoluzione. Si tratta di un uso generale movimento di funzionamento media. Cambiare ponderazioni rende alcuni valori più importanti di compensazione in modo appropriato consente di visualizzare i media, come in tutto punto, piuttosto che prima del punto. Invece di troncare valori possiamo fissare i valori iniziali in posizione, come illustrato in questo esempio:
No comments:
Post a Comment