moving-average

    0热度

    1回答

    所以我有一个表,每行代表特定事件中的给定用户。每行包含两类信息:此类事件的结果以及特定用户的数据。多个用户可以参加同一个事件。 为了清楚起见,这里就是这样表的一个简单的例子: EventID Date Revenue Time(s) UserID X Y Z 1 1/1/2017 $10 120 1 3 2 2 1 1/1/2017 $15 150 2

    2热度

    3回答

    我一直在尝试使用pandas来计算移动平均数,但是当我使用Dataframe.rolling()。mean()时,它会复制该值。 stock_info['stock'].head() Fecha Open High Low Close Volume 0 04-05-2007 00:00:00 234,4593 255,5703 234,3532 246,8906

    0热度

    3回答

    我倒了好几个网站,包括这个网站,到目前为止都是徒劳的。我需要创建一张描述员工流失率的图表,该图表必须在1年内计算。 (正如我标题说我要么13期或12个月去的选项:都是1年等效)请看看我的数据集的以下“样本版本”: Year | Trimester | Period | Date End of Period | Departures | Avg total Employees 2015 1

    -1热度

    1回答

    我有以下列表: a= [1,2,3,4,5,6,7,8,9,10,11,12] wts= [0.055555556,0.055555556,0.055555556,0.055555556,0.055555556,0.055555556,0.055555556,0.055555556,0.055555556,0.10,0.10,0.30] 期望的结果是 result = [8.2,7.76,7

    0热度

    1回答

    我需要显示我认为是非常常见的用例:折线图显示每日和每小时平均覆盖一周。 一个数据集具有明显的7个数据点,其他有168 我一直没能找到一个例子或文档选项,将允许这一点。当然 - 我可以配置几乎所有与外观有关的东西,但是对于数据大小而言,这两个数据集预计会有与标签一样多的数据点。 我想只有数据集的标签只有少数据点(在本例中为每日平均值),其他数据点(168个数据点)只会画一条细线,不应该向图表中添加其

    0热度

    1回答

    我有一个查询(带有子查询),可以计算前几年的平均温度,每天加/减一周。它有效,但并不是那么快。下面的时间序列值只是一个例子。为什么我使用doy是因为我想在每年的同一日期附近有一个滑动窗口。 SELECT days, (SELECT avg(temperature) FROM temperatures WHERE site_id = ? AND extrac

    1热度

    2回答

    我有一个数据帧,其中我的索引是datetime dtype,但日期不是按任何顺序排列。我正在计算我的数据集的5年和10年移动平均值。通过使用.rolling_mean,我可以根据我设置窗口的平均值来计算平均值,但是,由于日期不是顺序的,所以这不起作用。 Dataframe: Date Count 1981-01-08 10 1981-05-12 65 1

    0热度

    2回答

    我有一个数据框,它遵循以下格式。 match team1 team2 winningTeam 1 A D A 2 B E E 3 C F C 4 D C C 5 E B B 6 F A A 7 A D D 8 D A A 我想要做的是打包变量,计算队伍1和2的形式在最后的x比赛。例如,我想要创建一个名为team1_form_las

    0热度

    2回答

    我正在使用R中的时间序列数据集。我必须提出几个模型,其中之一必须来自使用armasubsets(我知道有函数,如auto.arima(),但我仍然必须利用这个图)。你如何解释R中的这个arma子集图? 我特别想到了第五排,因为它的BIC值只有十分之一更高,尽管我们想要最小化BIC,但我认为这个小的差异是合理的,因为从顶部第五排是比该图中指定的其他潜在模型简单得多。因此,我将如何解释AR组件滞后5,

    4热度

    1回答

    这是初始数据的图(执行对数转换后)。 很明显,既有线性趋势也有季节性趋势。我可以通过第一个和第十二个(季节性)差异来解决这两个问题:diff(diff(data),12)。这样做之后,这里是所得数据的图表 。 这个数据看起来不太好。虽然平均值不变,但随着时间的推移,我们会看到漏斗效应。这里是ACF/PACF:。 任何可能适合尝试的建议。我使用了auto.arima()函数,该函数建议使用ARIMA