pandas.DataFrame.ewm

DataFrame.ewm(self, com=None, span=None, halflife=None, alpha=None, min_periods=0, adjust=True, ignore_na=False, axis=0) [source]

Предоставление экспоненциально взвешенных функций.

Новая в версии 0.18.0.

Параметры:

com : float, optional Указывает затухание с точки зрения центральной массы, \(\alpha = 1 / (1 + com),\text{ для } com \geq 0\). span : float, optional Указывает затухание с точки зрения интервала, \(\alpha = 2 / (span + 1),\text{ для } span \geq 1\). halflife : float, optional Указывает затухание с точки зрения периода полураспада, \(\alpha = 1 - exp(log(0.5) / halflife),\text{ для } halflife > 0\). alpha : float, optional Непосредственно указывает коэффициент сглаживания \(\alpha\), \(0 < \alpha \leq 1\). Новая в версии 0.18.0. min_periods : int, default 0 Минимальное количество наблюдений в окне, необходимое для получения значения (в противном случае результат — NA). adjust : bool, default True Деление на коэффициент затухания в начальных периодах для учета дисбаланса относительных весов (рассматривая EWMA как скользящее среднее). ignore_na : bool, default False Игнорирование пропущенных значений при расчете весов; укажите True, чтобы воспроизвести поведение до версии 0.15.0. axis : {0 or ‘index’, 1 or ‘columns’}, default 0 Используемая ось. Значение 0 идентифицирует строки, а 1 — столбцы.

Возвращает:

DataFrame Подкласс Window для конкретной операции.

См. также

rolling

Предоставляет расчеты скользящего окна.

expanding

Предоставляет расширяющие преобразования.

Примечания

Должен быть указан ровно один из параметров: центр массы, интервал, период полураспада и альфа. Разрешенные значения и взаимосвязь между параметрами указаны в описаниях параметров выше; подробное объяснение см. по ссылке в конце этого раздела.

Когда adjust равно True (по умолчанию), взвешенные средние вычисляются с использованием весов (1-alpha)**(n-1), (1-alpha)**(n-2), …, 1-alpha, 1.

Когда adjust равно False, взвешенные средние вычисляются рекурсивно как:

weighted_average[0] = arg[0]; weighted_average[i] = (1-alpha)*weighted_average[i-1] + alpha*arg[i].

Когда ignore_na равно False (по умолчанию), веса основаны на абсолютных позициях. Например, веса x и y, используемые для вычисления окончательного взвешенного среднего [x, None, y], составляют (1-alpha)**2 и 1 (если adjust равно True), и (1-alpha)**2 и alpha (если adjust равно False).

Когда ignore_na равно True (воспроизводя поведение до версии 0.15.0), веса основаны на относительных позициях. Например, веса x и y, используемые для вычисления окончательного взвешенного среднего [x, None, y], составляют 1-alpha и 1 (если adjust равно True), и 1-alpha и alpha (если adjust равно False).

Более подробную информацию можно найти по адресу http://pandas.pydata.org/pandas-docs/stable/user_guide/computation.html#exponentially-weighted-windows

Примеры

>>> df = pd.DataFrame({'B': [0, 1, 2, np.nan, 4]})
>>> df
     B
0  0.0
1  1.0
2  2.0
3  NaN
4  4.0

>>> df.ewm(com=0.5).mean()
          B
0  0.000000
1  0.750000
2  1.615385
3  1.615385
4  3.670213