polars.Series.ewm_mean

Series.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,
) → Series

Вычисляет экспоненциально взвешенное скользящее среднее.

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

Параметры:

com

Задаёт затухание через центр масс, \(\gamma\), где

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

span

Задаёт затухание через интервал, \(\theta\), где

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

half_life

Задаёт затухание через период полураспада, \(\tau\), где

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

alpha

Непосредственно задаёт коэффициент сглаживания alpha, \(0 < \alpha \leq 1\).

adjust

Делит на корректирующий коэффициент затухания в начальных периодах, чтобы компенсировать дисбаланс относительных весов

• Если adjust=True (значение по умолчанию), функция экспоненциального взвешивания вычисляется с весами \(w_i = (1 - \alpha)^i\)

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

Примеры

>>> s = pl.Series([1, 2, 3])
>>> s.ewm_mean(com=1, ignore_nulls=False)
shape: (3,)
Series: '' [f64]
[
    1.0
    1.666667
    2.428571
]