python中的时间序列分析包[关闭]答案

【问题标题】：Package for time series analysis in python [closed]python中的时间序列分析包[关闭]
【发布时间】：2024-01-17 01:47:01
【问题描述】：

我正在研究 python 中的时间序列。我发现有用且有前途的库是

熊猫；
statsmodel（用于 ARIMA）；
pandas 提供了简单的指数平滑。

也用于可视化：matplotlib

有人知道指数平滑的库吗？

【问题讨论】：

标签： python pandas time-series forecasting statsmodels

【解决方案1】：

Pandas 具有指数加权的移动矩函数

http://pandas.pydata.org/pandas-docs/dev/computation.html?highlight=exponential#exponentially-weighted-moment-functions

顺便说一句，scikits.timeseries 包中不应该有任何功能在 pandas 中没有。

编辑：由于这仍然是一个流行的问题，现在有一个正在进行的拉取请求，以向 statsmodels here添加更多功能齐全的指数平滑

【讨论】：

非常感谢您的更新和出色的工作。

【解决方案2】：

您可以使用 Pandas 指数加权移动平均线 http://pandas.pydata.org/pandas-docs/stable/generated/pandas.stats.moments.ewma.html 预测未来值

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

【讨论】：

【解决方案3】：

有些问题不知何故被合并或删除，所以我会在这里发布我的答案。

Python 原生的 Exp 平滑。

'''
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)

【讨论】：