polars.Series.ewm_mean_by

Series.ewm_mean_by(
    by: IntoExpr,
    *,
    half_life: str_ | timedelta,
) → Series

Вычисляет экспоненциально взвешенное скользящее среднее на основе времени.

Для наблюдений \(x_0, x_1, \ldots, x_{n-1}\) в моменты времени \(t_0, t_1, \ldots, t_{n-1}\) EWMA вычисляется следующим образом:

\[ \begin{align}\begin{aligned}y_0 &= x_0\\\alpha_i &= 1 - \exp \left\{ \frac{ -\ln(2)(t_i-t_{i-1}) } { \tau } \right\}\\y_i &= \alpha_i x_i + (1 - \alpha_i) y_{i-1}; \quad i > 0\end{aligned}\end{align} \]

где \(\tau\) — half_life.

Параметры:

by

Моменты времени, по которым вычисляется среднее значение. Должен иметь тип данных DateTime, Date, UInt64, UInt32, Int64 или Int32.

half_life

Период, за который значение наблюдения уменьшается вдвое.

Его можно задать с помощью объекта timedelta или строки в следующем формате:

• 1ns (1 наносекунда)
• 1us (1 микросекунда)
• 1ms (1 миллисекунда)
• 1s (1 секунда)
• 1m (1 минута)
• 1h (1 час)
• 1d (1 день)
• 1w (1 неделя)
• 1i (1 элемент индекса)

Или объединить их: «3d12h4m25s» # 3 дня, 12 часов, 4 минуты и 25 секунд

Обратите внимание, что half_life трактуется как постоянная длительность — календарные длительности, например месяцы (или даже дни для часовых поясов), не поддерживаются. Укажите длительность в приблизительно эквивалентном количестве часов (например, «370h» вместо «1mo»).

Возвращает:

Expr

Float16, если входные данные имеют тип Float16, Float32, если входные данные имеют тип Float32, в противном случае Float64.

Примеры

>>> from datetime import date, timedelta
>>> df = pl.DataFrame(
...     {
...         "values": [0, 1, 2, None, 4],
...         "times": [
...             date(2020, 1, 1),
...             date(2020, 1, 3),
...             date(2020, 1, 10),
...             date(2020, 1, 15),
...             date(2020, 1, 17),
...         ],
...     }
... ).sort("times")
>>> df["values"].ewm_mean_by(df["times"], half_life="4d")
shape: (5,)
Series: 'values' [f64]
[
    0.0
    0.292893
    1.492474
    null
    3.254508
]