PANDAS MELA MOVIMENTO

“O“ Pandas ”, que é a biblioteca de“ Python ”, fornece muitas funções internas que nos ajudam a realizar tarefas diferentes facilmente, utilizando essas funções. Fornece métodos diferentes que utilizamos para calcular as médias móveis. É utilizado para analisar as informações da série temporal, gerando as médias de subconjuntos distintos de todo o conjunto de dados. Também podemos usar o nome médio do rolamento no lugar da média móvel. Com as informações da série temporal, a média móvel é normalmente utilizada para capturar variações de curto prazo enquanto se concentra em tendências mais longas. Discutiremos todos os seus métodos neste guia e explicaremos como ele funciona em "Pandas".”

Métodos para a média móvel

Os "pandas" nos facilitam com três métodos distintos desse método "Pandas MOOK MEAL". Também discutiremos em detalhes os três métodos neste guia. Esses métodos são:

• • Média móvel simples.
  • Média móvel exponencial.
  • Média móvel cumulativa.

Vamos passar em direção à demonstração prática de todos esses métodos no código "pandas" aqui.

Exemplo # 01

Como estamos usando a ferramenta "Spyder" para praticamente utilizar esses métodos em "pandas". Para aplicar o método de "média móvel", temos que criar o quadro de dados em "Pandas". Para isso, primeiro geramos o dicionário aqui, chamado "group_data", e inserimos "group_leader", no qual "Olive, Rowan, Julian, Howard, Novah, Juliet, Ella e Ava" é inserido. Então, temos "supervisor", que contém "Amina, Asher, Felix, William, Bromley, Nora, Collins e Freya". Em seguida, colocamos "apresentação", que contém as marcas da apresentação que são "15, 18, 16, 10, 19, 11, 15 e 14" ". Também temos "atribuições", nas quais adicionamos as marcas das tarefas, e essas marcas são "29, 26, 25, 27, 28, 28, 25 e 26".

Após as marcas de atribuição, adicionamos as marcas internas em "interno", que são "5, 6, 9, 8, 5, 7, 2, 2 e 6". Então temos que converter este dicionário "group_data" no quadro de dados "group_df". Para isso, usamos o método "Pandas", que nos ajuda a converter o dicionário no quadro de dados. Este método é “PD.Dataframe () ”aqui, e inserimos o nome do dicionário como um parâmetro. Depois disso, imprimimos o "group_df" usando o método "print ()".

Executamos este código na ferramenta "Spyder", pressionando "Shift+Enter". Após a execução do código acima, o DataFrame é exibido no terminal. Agora, seguiremos em frente e aplicaremos o método da média móvel às colunas deste DataFrame.

Estamos usando “média móvel simples” aqui e aplicamos essa média móvel simples em duas colunas do DataFrame. Armazenamos os valores na variável "group_df1", que recebemos depois de aplicar a média de rolamento em duas colunas. Essas duas colunas são adicionadas após colocar o nome do DataFrame dentro de dois colchetes quadrados. Essas duas colunas são "apresentação e tarefas" aqui. Em seguida, colocamos a janela rolante, que é "2" aqui e depois utilizamos o método "Mean ()". Esta janela rolante é utilizada para obter as médias sobre o número predeterminado dos intervalos de tempo. Depois disso, o "group_df1" é adicionado no método "print ()" para imprimir no terminal.

Os valores que obtemos depois de aplicar o método médio em movimento ou rolante às colunas “Apresentação” e “Atribuições” são exibidas abaixo. Os valores exibidos aqui são os valores médios móveis de ambas as colunas.

Exemplo # 02

Utilizamos o "group_df" novamente, e desta vez estamos aplicando a "média móvel exponencial". Quando queremos aplicar a média móvel exponencial, então utilizamos o método "ewm ()". Neste método "ewm ()", temos que passar o valor "span". Aplicamos esse método na coluna "Intervals" e salvamos os novos valores na coluna "EWM_30", que também é adicionada a esse quadro de dados "group_df" após a aplicação do método "EWM ()". O valor "span" que definimos aqui é "30" e também colocamos o método "Mean ()" com este método "ewm ()".

O DataFrame antes de aplicar o método "EWM ()" e depois de aplicar o método "EWM ()" é exibido aqui. A coluna "EWM_30" é adicionada no quadro de dados abaixo, que é criado aqui para armazenar os valores médios móveis da coluna "intervalos" após a aplicação do método "EWM ()" a esta coluna.

Exemplo # 03

As bibliotecas "pandas" e "numpy" são importadas aqui porque temos que utilizar os métodos de ambas as bibliotecas em "pandas". O DataFrame que criamos aqui contém quatro colunas. A primeira coluna, "cola", contém "0, 1, 2, 3, 4, np.Nan, 7, NP.Nan e 9 ”. O “Colb” está aqui em que adicionamos “7, 8, 9, 10, 4, 17, 14, 12 e 22”. Então temos "colc", no qual colocamos "10, 21, 12, np.Nan, 14, 15, 17, 11 e 33 ”. O "frio" agora está adicionado no qual inserimos "20, 31, 2, 14, 11, np.Nan, 24, 10 e NP.nan ".

Em seguida, usamos o "Print (DF)", que imprimirá este quadro de dados. Aplicaremos a média móvel, mas primeiro, exibiremos esse quadro aqui.

O DataFrame antes de aplicar qualquer método de média móvel é renderizado abaixo. Você pode observar facilmente que todas as colunas são exibidas aqui. Agora, aplicaremos a média móvel em todas essas colunas e exibiremos o resultado.

Estamos aplicando a média de movimentação ou rolagem simples aqui e sabemos que temos que passar no valor da janela rolante neste método de rolamento. Então, passamos "2" aqui e depois aplicamos o método "sum ()" com este método de média móvel. Armazenamos os valores que obtemos depois de aplicar o método "rolling ()" nas colunas; Os valores "cola" são armazenados em "Sum A", "Colb" valores em "Sum B" e "Colc" valores em "Sum C" e também valores "frios" na variável "Sum D".

Também aplicamos o método "Fillna ()" aqui e passamos "0" como o parâmetro, que mudará todos os valores nulos que obtemos depois de aplicar o método de rolagem em "0" e armazenará o novo DataFrame em "DF2" e também exibe "df2". Vamos executar este código e verá o resultado depois de aplicar essas médias móveis a todas as colunas separadamente.

Aqui está o resultado deste código, no qual os valores são exibidos, que obtemos depois de utilizar o método "rolling ()" em todas as colunas e exibir os valores da média móvel na nova coluna. Depois disso, substitui todos os valores nulos por "0" e também exibe o novo DataFrame abaixo, que contém "0" no local de "NAN", que são valores nulos.

Exemplo # 04

Também podemos calcular as médias móveis do arquivo CSV depois de ler os dados para o arquivo. Aqui, estamos lendo os “cursos.Arquivo CSV "colocando o" PD.read_csv () ”Método e depois armazenando os dados como o DataFrame em“ Courses_DF ”. Estamos aplicando o método "média móvel cumulativa" aqui. Neste método, não precisamos adicionar o tamanho fixo da janela porque o tamanho da janela muda com o tempo. Para utilizar isso, temos que colocar o método "Expanding ()" e, depois disso, colocamos o "Mean ()". Aplicamos esse método à coluna "desconto", que está presente no arquivo CSV e armazenamos o resultado na coluna "média_cma".

O quadro de dados que obtivemos depois de ler os “cursos.O arquivo csv ”é renderizado primeiro. Em seguida, o método de média móvel cumulativa é aplicado aqui, e o resultado que obtemos depois de aplicar esse método também é exibido abaixo na coluna “média_cma”.

Conclusão

O conceito de "média móvel" de "pandas" é discutida em detalhes neste guia. Discutimos três métodos diferentes que utilizamos em "pandas" para calcular as "médias móveis". Aplicamos todos os três métodos separadamente em nossos exemplos e explicamos como esses métodos funcionam e como usar esses métodos em "pandas". Aplicamos esses métodos às colunas depois de criar o DataFrame aqui, e também aplicamos esse método aos dados do arquivo CSV depois de ler o arquivo CSV. Nós explicamos todos os métodos em detalhes aqui.