使用数组上的滑动窗口移动平均时间序列

Question

我需要在下面编写一个函数，该函数可以使用数组上的滑动窗口计算时间序列的移动平均值。这个函数应该接受一个日期字符串数组（比如 arr_date）、一个数字数组（比如 arr_record）和一个滑动窗口（默认值 50）。它应该：

返回所有窗口的字典列表。 每个字典应包括每个窗口的日期、平均值、最小值、最大值、标准偏差。 能够通过用最新的可用数据替换缺失数据来处理时间序列中的缺失数据。 (b) 从 Yahoo! 下载 SPY 每日数据（2017 年 12 月 31 日至 2018 年 12 月 31 日）作为 .csv 文件中的测试数据。阅读读取 .csv 文件示例并编写测试程序以调用您的函数。

有人有什么想法吗？对 python 非常陌生并且正在苦苦挣扎。

Answer 1

所以遵循这个逻辑的东西应该是一个很好的起点。希望这是一个有益的开始，欢迎来到 cs 社区。​​p>

def sliding_window( dates, numbers, sliding_window_value):

        # list of dictionaries
        return_dicts =[{}]

        # if window size is greater than length of dates, there's only one window
        if sliding_window_value >= len(dates):
            return_dicts += [create_window(dates, numbers)]
            return return_dicts

        # gather all our windows into one list
        for i in range (0, len(dates) - sliding_window_value ):

            # get our window subsets
            dates_subset = dates[i:(sliding_window_value+1)]
            numbers_subset = numbers[i:(sliding_window_value+1)]

            # get our window stats dictionary
            window_stats = create_window(dates_subset,numbers_subset)

            # add these stats to our return list
            return_dicts += [window_stats]

        return return_dicts


def create_window(dates_subset, numbers_subset):
    window_min = 1000000        # some high minimum to start
    window_max = -1000000       # some low maximuim to start
    window_total = 0

    for i in range ( 0, len(dates_subset)):

        # calculate total
        window_total += numbers_subset[i]

        # calculate max
        if numbers_subset[i] > window_max:
            window_max = numbers_subset[i]

        # calculate min
        if numbers_subset[i] < window_min:
            window_min = numbers_subset[i]

        # other calculations....


    return_dict = {
        "min" : window_min,
        "max" : window_max,
        "average" : window_total / len(dates_subset),
        # other calculations....
    }

    return return_dict

祝你好运，这项工作是值得的。