Sto lavorando su serie temporali in python. Le librerie che ho trovato utili e promettenti sonoPacchetto per analisi serie temporali in python
anche per la visualizzazione: matplotlib
Qualcuno sa una libreria per livellamento esponenziale?
Pandas ha ponderata esponenzialmente momento movimento Funzioni di
proposito, non ci dovrebbe essere alcun residuo funzionalità nel pacchetto scikits.timeseries che non sia anche in panda.
Edit: Dal momento che questa è ancora una domanda popolare, v'è ora un work in richiesta di progresso di pull per aggiungere più completamente descritto livellamento esponenziale per statsmodels here
grazie mille per l'aggiornamento e per il buon lavoro. – foc
Per tripla che ho trovato sul web, questo http://adorio-research.org/wordpress/?p=1230
In qualche modo alcune domande sono state unite o eliminate, quindi pubblicherò la mia risposta qui.
Exp smoothing in Python in modo nativo.
'''
simple exponential smoothing
go back to last N values
y_t = a * y_t + a * (1-a)^1 * y_t-1 + a * (1-a)^2 * y_t-2 + ... + a*(1-a)^n * y_t-n
'''
from random import random,randint
def gen_weights(a,N):
ws = list()
for i in range(N):
w = a * ((1-a)**i)
ws.append(w)
return ws
def weighted(data,ws):
wt = list()
for i,x in enumerate(data):
wt.append(x*ws[i])
return wt
N = 10
a = 0.5
ws = gen_weights(a,N)
data = [randint(0,100) for r in xrange(N)]
weighted_data = weighted(data,ws)
print 'data: ',data
print 'weights: ',ws
print 'weighted data: ',weighted_data
print 'weighted avg: ',sum(weighted_data)
è possibile prevedere i valori futuri usando Pandas esponenziale ponderata media mobile http://pandas.pydata.org/pandas-docs/stable/generated/pandas.stats.moments.ewma.html come
from pandas.stats.moments import ewma
import numpy as np
pred_period = 12
def predict(x,span,periods = pred_period):
x_predict = np.zeros((span+periods,))
x_predict[:span] = x[-span:]
pred = ewma(x_predict,span)[span:]
return pred
correlati: [calcolare media mobile esponenziale in python] (http://stackoverflow.com/questions/488670/calculate-esponential-moving-average-in-python) – jfs