Numpy gleitender Durchschnitt

Lassen Sie uns vor Beginn unseres Themas verstehen, was der gleitende Durchschnitt ist. In Statistiken ist ein gleitender Durchschnitt eine Technik zur Berechnung und Analyse von Datenpunkten. Es berechnet Datenpunkte, indem eine Reihe von Durchschnitt verschiedener Teilmengen aus einem vollständigen Datensatz erstellt wird. Ein gleitender Durchschnitt ist also eine Messung, die die typische Änderung einer Informationsserie im Laufe der Zeit aufnimmt. Das Bewegen ist einer der flexibelsten und am häufigsten verwendeten technischen Analyseindikatoren. Da es so einfach zu bedienen ist, verwenden professionelle Investoren es als Mittel für eine bestimmte Datenmenge in Statistiken. Wir können auch einen gleitenden Durchschnitt in kürzerer Zeitraum berechnen, indem wir ihn für tägliche oder winzige Daten verwenden.Zum Beispiel: Bei der Bestimmung eines gleitenden 10-Tage-Durchschnitts werden wir in unserem Fall die Schlusspreise aus einem der letzten zehn Tage zusammenfassen und das Ergebnis durch zehn dividieren. Am nächsten Tag werden wir auch den Preis in den letzten zehn Tagen berechnen, was bedeutet, dass wir den Preis des ersten Tages nicht berechnen werden. Es wird eher gestern durch unseren Preis ersetzt. Die Daten ändert sich auf diese Weise mit jedem beweglichen Tag, sie wird aus diesem Grund als gleitender Durchschnitt bezeichnet. Der Zweck des gleitenden Durchschnitts besteht darin, den Beginn eines Trends zu bestimmen, dann seinen Fortschritt zu befolgen und seine Umkehrung zu melden, falls er auftritt. Die Formel zur Berechnung des gleitenden Durchschnitts beträgt ft = (dt1+dt2+dt3…+dtn)/n. Wobei DT in der Periode t und ft in der Zeit t prognostiziert wird.

Syntax:

Wir können den gleitenden Durchschnitt auf verschiedene Weise berechnen, die wie folgt sind:

Methode 1:

Numpy. Cumsum ()

Es gibt die Summe der Elemente im angegebenen Array zurück. Wir können den gleitenden Durchschnitt berechnen, indem wir die Ausgabe von Cumsum () durch die Größe des Arrays teilen.

Methode 2:

Numpy.ma.Durchschnitt()

Es hat die folgenden Parameter.

A: Daten in Array -Form, die gemittelt werden sollen.

Achse: Sein Datentyp ist int und ein optionaler Parameter.

Gewicht: Es ist auch ein Array- und optionaler Parameter. Es kann die gleiche Form wie eine 1-D-Form haben. Bei einer Dimension muss es eine gleiche Länge wie die von „A“ -Array haben.

Beachten Sie, dass es in Numpy keine Standardfunktion gibt, um den gleitenden Durchschnitt zu berechnen, sodass er mit einigen anderen Methoden erfolgen kann.

Methode 3:

Eine andere Methode, mit der der gleitende Durchschnitt berechnet werden kann, ist:

np.Convolve (a, v, modus = 'full')

In dieser Syntax ist a die erste Eingangsdimension und V der zweite Eingangsdimensionswert. Der Modus ist der optionale Wert, er kann voll, gleich und gültig sein.

Beispiel # 01:

Um mehr über den gleitenden Durchschnitt in Numpy zu erklären, lassen Sie uns ein Beispiel geben. In diesem Beispiel werden wir den gleitenden Durchschnitt eines Arrays mit der Convolve -Funktion von Numpy herausnehmen. Wir werden also ein Array "A" mit 1,2,3,4,5 als Elemente nehmen. Jetzt werden wir die NP anrufen.Convolve -Funktion und speichern ihre Ausgabe in unserer B -Variablen „B“. Danach werden wir den Wert unserer Variablen „B“ drucken. Diese Funktion berechnet die sich bewegende Summe unseres Eingangsarrays. Wir drucken die Ausgabe, um festzustellen, ob unsere Ausgabe korrekt ist oder nicht.

Danach werden wir unsere Ausgabe mit derselben Convolve -Methode in den gleitenden Durchschnitt umwandeln. Um den gleitenden Durchschnitt zu berechnen, müssen wir die bewegliche Summe nur durch die Anzahl der Stichproben teilen. Das Hauptproblem hier. Um dieses Problem zu lösen, werden wir einfach eine Liste der Nenner erstellen und müssen dies in einen Durchschnitt verwandeln.

Zu diesem Zweck haben wir eine andere Variable „Denom“ für den Nenner initialisiert. Es ist einfach für das Listenverständnis mit dem Range Trick. Unser Array hat fünf verschiedene Elemente. Wir werden also einfach zwei Listen zusammen hinzufügen und sie in unserem „Denom“ -Parameter speichern. Jetzt drucken wir diese Variable, um zu überprüfen, ob das System uns die wahren Nenner gegeben hat oder nicht. Danach werden wir unsere bewegende Summe mit den Nennern teilen und sie drucken, indem wir die Ausgabe in der Variablen „C“ speichern. Lassen Sie uns unseren Code ausführen, um die Ergebnisse zu überprüfen.

Numph als NP importieren
A = [1,2,3,4,5]
B = NP.Convolve (a, np.eins_like (a))
print ("bewegliche Summe", b)
Denom = Liste (Bereich (1,5)) + Liste (Bereich (5,0, -1))
print ("Nenner", Denom)
C = NP.Convolve (a, np.eins_like (a)) / Denom
print ("gleitender Durchschnitt", c)

Nach der erfolgreichen Ausführung unseres Code erhalten wir die folgende Ausgabe. In der ersten Zeile haben wir die "bewegende Summe" gedruckt. Wir sehen. Der Rest der Zahlen sind die Summen verschiedener Elemente unseres Arrays.

Zum Beispiel stammt sechs im dritten Index des Arrays vom Hinzufügen von 1,2 und 3 aus unserem Eingangsarray. Zehn im vierten Index stammen von 1,2,3 und 4. Fünfzehn kommen aus der Zusammenfassung aller Zahlen zusammen und so weiter. Jetzt, in der zweiten Zeile unserer Ausgabe, haben wir die Nenner unseres Arrays gedruckt.

Aus unserer Ausgabe können wir sehen, dass alle Nenner genau sind, was bedeutet, dass wir sie mit unserem sich bewegenden Summe -Array teilen können. Wechseln Sie nun in die letzte Zeile der Ausgabe. In der letzten Zeile können wir sehen, dass das erste Element unseres gleitenden Durchschnittsarrays 1 ist. Der Durchschnitt von 1 ist 1, daher ist unser erstes Element korrekt. Der Durchschnitt von 1+2/2 beträgt 1.5. Wir können sehen, dass das zweite Element unseres Ausgabearrays 1 ist.5 Der zweite Durchschnitt ist also auch korrekt. Der Durchschnitt von 1,2,3 beträgt 6/3 = 2. Es macht auch unsere Ausgabe korrekt. Aus der Ausgabe können wir also sagen, dass wir den gleitenden Durchschnitt eines Arrays erfolgreich berechnet haben.

Abschluss

In diesem Leitfaden haben wir gelernt, dass sich bewegende Durchschnittswerte bewegten: Welcher gleitende Durchschnitt ist, was ist seine Verwendung und wie man den gleitenden Durchschnitt berechnet. Wir haben es sowohl aus mathematischen als auch aus Programmierpunkten ausführlich untersucht. In Numpy gibt es keine spezifische Funktion oder Prozess, um den gleitenden Durchschnitt zu berechnen. Es gibt jedoch verschiedene andere Funktionen, mit der wir den gleitenden Durchschnitt berechnen können. Wir haben ein Beispiel zur Berechnung des gleitenden Durchschnitts durchgeführt und jeden Schritt unseres Beispiels beschrieben. Das Umzug von Durchschnittswerten ist ein nützlicher Ansatz zur Vorhersage zukünftiger Ergebnisse mithilfe vorhandener Daten.