polars.Expr.ewm_mean

Expr.ewm_mean(
    *,
    com: float | None = None,
    span: float | None = None,
    half_life: float | None = None,
    alpha: float | None = None,
    adjust: bool = True,
    min_samples: int = 1,
    ignore_nulls: bool = False,
) → Expr

Вычислить экспоненциально взвешенное скользящее среднее.

Изменено в версии 1.21.0: Параметр min_periods был переименован в min_samples.

движок:В памятиПотоковая обработка

Параметры:

com

Задать скорость затухания через центр масс, \(\gamma\), где

\[\alpha = \frac{1}{1 + \gamma} \; \forall \; \gamma \geq 0\]

span

Задать скорость затухания через интервал, \(\theta\), где

\[\alpha = \frac{2}{\theta + 1} \; \forall \; \theta \geq 1\]

half_life

Задать скорость затухания через период полураспада, \(\tau\), где

\[\alpha = 1 - \exp \left\{ \frac{ -\ln(2) }{ \tau } \right\} \; \forall \; \tau > 0\]

alpha

Задать коэффициент сглаживания alpha напрямую, \(0 < \alpha \leq 1\).

adjust

В начальных периодах делить на коэффициент корректировки с затуханием, чтобы учесть дисбаланс относительных весов

• Если adjust=True (по умолчанию), функция EW вычисляется с использованием весов \(w_i = (1 - \alpha)^i\)

• Если adjust=False, функция EW вычисляется рекурсивно:

  \[\begin{split}y_0 &= x_0 \\ y_t &= (1 - \alpha)y_{t - 1} + \alpha x_t\end{split}\]

min_samples

Минимальное количество наблюдений в окне, необходимое для получения значения (в противном случае результат равен null).

ignore_nulls

Игнорировать отсутствующие значения при вычислении весов.

• Если ignore_nulls=False (по умолчанию), веса основаны на абсолютных позициях. Например, веса \(x_0\) и \(x_2\), используемые при вычислении итогового взвешенного среднего [\(x_0\), None, \(x_2\)], равны \((1-\alpha)^2\) и \(1\) при adjust=True и \((1-\alpha)^2\) и \(\alpha\) при adjust=False.
• Если ignore_nulls=True, веса основаны на относительных позициях. Например, веса \(x_0\) и \(x_2\), используемые при вычислении итогового взвешенного среднего [\(x_0\), None, \(x_2\)], равны \(1-\alpha\) и \(1\) при adjust=True и \(1-\alpha\) и \(\alpha\) при adjust=False.

Примеры

>>> df = pl.DataFrame({"a": [1, 2, 3]})
>>> df.select(pl.col("a").ewm_mean(com=1, ignore_nulls=False))
shape: (3, 1)
┌──────────┐
│ a        │
│ ---      │
│ f64      │
╞══════════╡
│ 1.0      │
│ 1.666667 │
│ 2.428571 │
└──────────┘