pandas.Series.ewm

Series.ewm(com=None, span=None, halflife=None, alpha=None, min_periods=0, freq=None, adjust=True, ignore_na=False, axis=0)

提供指数加权函数

版本0.18.0中的新功能。

参数：

com：float，可选

按质心确定衰减，\ alpha = 1 /（1 + com），\ text {for} com \ geq 0

span：float，可选

按照跨度\ alpha = 2 /（span + 1），\ text {for} span \ geq 1指定衰减，

halflife：float，可选

根据半衰期指定衰变，\ alpha = 1-exp（log（0.5）/ halflife），\ text {for} halflife＆gt； 0

alpha：float，可选

直接指定平滑因子\ alpha，0

版本0.18.0中的新功能。

min_periods：int，默认为0

窗口中要求具有值的最小观察值（否则结果为NA）。

freq：无或字符串别名/日期偏移对象，默认值=无（DEPRECATED）

计算统计前符合的频率

adjust：boolean，默认值为True

在初始阶段除以衰减调整因子，以解决相对权重的不平衡（将EWMA视为移动平均值）

ignore_na：boolean，default False

在计算权重时忽略缺少的值；指定True以重现0.15.0之前的行为

返回：

为特定操作子类分类的窗口

笔记

必须提供质量中心，跨度，半衰期和α的正好一个。允许的值和参数之间的关系在上面的参数描述中指定；请参阅本节末尾的链接以获取详细说明。

freq关键字用于通过重新采样数据使时间序列数据符合指定频率。这是使用默认参数resample()（即使用平均值）。

当adjust为True（默认）时，使用权重（1-alpha）**（n-1），（1-alpha）**（n-2），...，1-alpha，1计算加权平均值。

当adjust为False时，加权平均值递归计算为：

weighted_average [0] = arg [0]； weighted_average [i] =（1-alpha）* weighted_average [i-1] + alpha * arg [i]。

当ignore_na为False（默认值）时，权重基于绝对位置。例如，在计算[x，None，y]的最终加权平均值时使用的x和y的权重是（1-alpha）** 2和1（如果adjust为True），和（1-alpha）** 2和alpha（如果adjust为False）。

当ignore_na为True（再现pre-0.15.0行为）时，权重基于相对位置。例如，用于计算[x，None，y]的最终加权平均值的x和y的权重是1-alpha和1（如果adjust是True），以及1-alpha和alpha（如果adjust是False）。

有关详细信息，请访问http://pandas.pydata.org/pandas-docs/stable/computation.html#exponentially-weighted-windows

例子

>>> df = DataFrame({'B': [0, 1, 2, np.nan, 4]})
     B
0  0.0
1  1.0
2  2.0
3  NaN
4  4.0

>>> df.ewm(com=0.5).mean()
          B
0  0.000000
1  0.750000
2  1.615385
3  1.615385
4  3.670213