Numpy bevegelige gjennomsnitt

Før vi starter emnet, la oss forstå hva det bevegelige gjennomsnittet er. I statistikk er et glidende gjennomsnitt en teknikk for å beregne og analysere datapunkter. Den beregner datapunkter ved å lage en serie av et gjennomsnitt av forskjellige undergrupper fra et komplett datasett. Så et glidende gjennomsnitt er en måling som fanger den typiske endringen i en informasjonsserie over tid. Flytting er en av de mest fleksible og ofte brukte tekniske analyseindikatorene. Siden det er så enkelt å bruke, bruker profesjonelle investorer det som et middel til et visst sett med data i statistikk. Vi kan også beregne et glidende gjennomsnitt i en kortere periode ved å bruke det på daglige eller små data.For eksempel: Når vi bestemmer et 10-dagers glidende gjennomsnitt, vil vi i vårt tilfelle bare oppsummere de avsluttende prisene fra en av de foregående ti dagene og dele resultatet med ti. Neste dag vil vi også beregne prisen de siste ti dagene, noe som betyr at vi ikke vil beregne prisen på den første dagen. Det vil heller bli erstattet av prisen vår i går. Dataene endres på denne måten med hver bevegelige dag, det er kjent som det bevegelige gjennomsnittet av denne grunn. Hensikten med det bevegelige gjennomsnittet er å bestemme starten på en trend, deretter følge dens fremgang og også rapportere dens reversering i tilfelle den oppstår. Formelen for å beregne det bevegelige gjennomsnittet er ft = (dt1+dt2+dt3…+dtn)/n. Hvor DT er etterspørsel i periode T og FT er spådd i tid T.

Syntaks:

Vi kan beregne det bevegelige gjennomsnittet på forskjellige måter som er som følger:

Metode 1:

Numpy. Cumsum ()

Det returnerer summen av elementer i den gitte matrisen. Vi kan beregne det bevegelige gjennomsnittet ved å dele utgangen fra cumsum () med størrelsen på matrisen.

Metode 2:

Numpy.ma.gjennomsnitt()

Den har følgende parametere.

A: Data i matriseform som skal gjennomsnittlige.

Axis: Datatypen er int, og det er en valgfri parameter.

Vekt: Det er også en matrise og valgfri parameter. Det kan være av samme form som en 1-d form. Når det.

Merk at det ser ut til å være ingen standardfunksjon i Numpy for å beregne det bevegelige gjennomsnittet, slik at det kan gjøres ved noen andre metoder.

Metode 3:

En annen metode som kan brukes til å beregne det bevegelige gjennomsnittet er:

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

I denne syntaksen er A den første inngangsdimensjonale og V er den andre inngangsdimensjonale verdien. Modus er den valgfrie verdien, den kan være full, samme og gyldig.

Eksempel # 01:

Nå, for å forklare mer om det bevegelige gjennomsnittet i Numpy, la oss gi et eksempel. I dette eksemplet vil vi ta ut det bevegelige gjennomsnittet av en matrise med Convolve -funksjonen til Numpy. Så vi vil ta en rekke “A” med 1,2,3,4,5 som elementer. Nå vil vi ringe NP.konvolve funksjonen og lagre utdataene i vår "B" -variabel. Etter det vil vi skrive ut verdien av vår variable “B”. Denne funksjonen vil beregne den bevegelige summen av vår inngangsarray. Vi vil skrive ut utdataene for å se om utdataene våre er riktig eller ikke.

Etter det vil vi konvertere produksjonen til det bevegelige gjennomsnittet ved å bruke samme konvolveringsmetode. For å beregne det bevegelige gjennomsnittet, må vi bare dele den bevegelige summen med antall prøver. Men hovedproblemet her er at ettersom dette er et glidende gjennomsnitt, endrer antallet prøver å endre seg avhengig av stedet vi er på. Så for å løse det problemet, vil vi ganske enkelt lage en liste over nevnerne, og vi må gjøre dette til et gjennomsnitt.

For det formålet har vi initialisert en annen variabel "Denom" for nevneren. Det er enkelt for listeforståelse ved hjelp av rekkevidden triks. Vårt utvalg har fem forskjellige elementer, så antallet prøver på hvert sted vil gå fra en til fem og deretter ned igjen fra fem til en. Så vi vil ganske enkelt legge til to lister sammen, og vi lagrer dem i vår "Denom" -parameter. Nå vil vi skrive ut denne variabelen for å sjekke om systemet har gitt oss de sanne nevnerne eller ikke. Etter det vil vi dele vår bevegelige sum med nevnerne og skrive den ut ved å lagre utdataene i "C" -variabelen. La oss utføre koden vår for å sjekke resultatene.

Importer numpy som NP
A = [1,2,3,4,5]
B = NP.konvolusjon (a, np.Ones_ligike (a))
trykk ("Moving Sum", b)
Denom = liste (rekkevidde (1,5)) + liste (rekkevidde (5,0, -1)))
Print ("nevner", denom)
C = NP.konvolusjon (a, np.Ones_ligike (a)) / denom
trykk ("Flytting av gjennomsnittet", c)

Etter vellykket utførelse av koden vår, får vi følgende utdata. I den første linjen har vi skrevet ut "Moving Sum". Vi kan se at vi har “1” i starten og “5” på slutten av matrisen, akkurat som vi hadde i vår opprinnelige matrise. Resten av tallene er summen av forskjellige elementer i vår matrise.

For eksempel kommer seks på den tredje indeksen for matrisen fra å legge til 1,2, og 3 fra vår inngangsarray. Ti på den fjerde indeksen kommer fra 1,2,3 og 4. Femten kommer fra å oppsummere alle tallene sammen, og så videre. Nå, i den andre linjen i output, har vi skrevet ut nevnerne av vårt utvalg.

Fra vår utdata kan vi se at alle nevnerne er nøyaktige, noe som betyr at vi kan dele dem med vår bevegelige sum -matrise. Gå nå til den siste linjen i utgangen. I den siste linjen kan vi se at det første elementet i vår glidende gjennomsnittlige matrise er 1. Gjennomsnittet av 1 er 1 så vårt første element er riktig. Gjennomsnittet på 1+2/2 vil være 1.5. Vi kan se at det andre elementet i vår utgangsgruppe er 1.5 Så det andre gjennomsnittet er også riktig. Gjennomsnittet på 1,2,3 vil være 6/3 = 2. Det gjør også output. Så fra utgangen kan vi si at vi har beregnet det bevegelige gjennomsnittet av en matrise.

Konklusjon

I denne guiden lærte vi om bevegelige gjennomsnitt: hvilket glidende gjennomsnitt er, hva er dets bruk og hvordan du beregner det bevegelige gjennomsnittet. Vi studerte det i detalj fra både matematiske og programmering. I Numpy er det ingen spesifikk funksjon eller prosess for å beregne det bevegelige gjennomsnittet. Men det er forskjellige andre funksjoner ved hjelp av at vi kan beregne det bevegelige gjennomsnittet. Vi gjorde et eksempel for å beregne det bevegelige gjennomsnittet og beskrev hvert trinn i vårt eksempel. Flytting av gjennomsnitt er en nyttig tilnærming til å forutsi fremtidige resultater ved hjelp av eksisterende data.