Python Pandas 移动平均滞后

Question

考虑以下 Python 程序:

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

data = [["2017-05-25 22:00:00", 5],
["2017-05-25 22:05:00", 7],
["2017-05-25 22:10:00", 9],
["2017-05-25 22:15:00", 10],
["2017-05-25 22:20:00", 15],
["2017-05-25 22:25:00", 20],
["2017-05-25 22:30:00", 25],
["2017-05-25 22:35:00", 32]]

df = pd.DataFrame(data)
df.columns = ["date", "value"]
df["date2"] = pd.to_datetime(df["date"],format="%Y-%m-%d %H:%M:%S")

ts = pd.Series(df["value"].values, index=df["date2"])
mean_smoothed = ts.rolling(window=5).mean()
exp_smoothed = ts.ewm(alpha=0.5).mean()

h1 = ts.head(8)
h2 = mean_smoothed.head(8)
h3 = exp_smoothed.head(8)
k = pd.concat([h1, h2, h3], join='outer', axis=1)
k.columns = ["Actual", "Moving Average", "Exp Smoothing"]
print(k)

这打印

                     Actual  Moving Average  Exp Smoothing
date2                                                     
2017-05-25 22:00:00       5             NaN       5.000000
2017-05-25 22:05:00       7             NaN       6.333333
2017-05-25 22:10:00       9             NaN       7.857143
2017-05-25 22:15:00      10             NaN       9.000000
2017-05-25 22:20:00      15             9.2      12.096774
2017-05-25 22:25:00      20            12.2      16.111111
2017-05-25 22:30:00      25            15.8      20.590551
2017-05-25 22:35:00      32            20.4      26.317647

画图

plt.figure(figsize=(16,5))
plt.plot(ts, label="Original")
plt.plot(mean_smoothed, label="Moving Average")
plt.plot(exp_smoothed, label="Exponentially Weighted Average")
plt.legend()
plt.show()

移动平均线 (MA) 和指数平滑 (ES) 都引入了滞后:在上面的示例 MA 中，需要 5 个值来预测第 6 个值将是什么。但是，如果您查看表格，MA 列中只有 4 个 NaN 值，而第 5 个值已经是非 NaN 值(=第一个预测)。

问题:如何在图表中绘制这些值以正确保留滞后？看看ES，其实更明显一点:ES应该在t=2开始，但是starts but starts immediately。

Answer 1

您似乎误解了移动平均线。对于 MA(5)，需要 5 个数据点来计算。收到第 5 个点后，可以使用点 1-5 计算第 5 个点的平均值。因此，您应该只有 4 个 NaN。

如果你想转移你的数据，你可以尝试:

df.shift(n) # n 是一个整数

要么将 Actual 偏移 -1，要么将所有内容都偏移 1。

Here是它的文档。