python中的時間序列分析軟件包

Question

我正在研究python中的時間序列。我發現有用和有前途的圖書館是

• pandas;
• statsmodel（ARIMA）;
• 簡單的指數平滑由熊貓提供。

也爲可視化：matplotlib

有誰知道指數平滑庫？

Answer 1

熊貓已指數加權的移動力矩起作用

http://pandas.pydata.org/pandas-docs/dev/computation.html?highlight=exponential#exponentially-weighted-moment-functions

順便提及，不應該有在scikits.timeseries包是不是還熊貓任何功能剩餘。

編輯：由於這仍然是一個熱門的問題，現在正在進行拉請求工作，以增加更多的功能齊全的指數平滑statsmodels here

Answer 2

三重我對網絡這個http://adorio-research.org/wordpress/?p=1230

Answer 3

發現

不知怎麼的一些問題被合併或刪除，所以我會在這裏發表我的答案。

用Python本地化平滑處理。

''' 
simple exponential smoothing 
go back to last N values 
y_t = a * y_t + a * (1-a)^1 * y_t-1 + a * (1-a)^2 * y_t-2 + ... + a*(1-a)^n * y_t-n 
''' 
from random import random,randint 

def gen_weights(a,N): 
    ws = list() 
    for i in range(N): 
     w = a * ((1-a)**i) 
     ws.append(w) 
    return ws 

def weighted(data,ws): 
    wt = list() 
    for i,x in enumerate(data): 
     wt.append(x*ws[i]) 
    return wt 

N = 10 
a = 0.5 
ws = gen_weights(a,N) 
data = [randint(0,100) for r in xrange(N)] 
weighted_data = weighted(data,ws) 
print 'data: ',data 
print 'weights: ',ws 
print 'weighted data: ',weighted_data 
print 'weighted avg: ',sum(weighted_data) 

Answer 4

則可以使用熊貓指數加權移動平均http://pandas.pydata.org/pandas-docs/stable/generated/pandas.stats.moments.ewma.html作爲

from pandas.stats.moments import ewma 
import numpy as np 

pred_period = 12 

def predict(x,span,periods = pred_period):  
    x_predict = np.zeros((span+periods,)) 
    x_predict[:span] = x[-span:] 
    pred = ewma(x_predict,span)[span:] 

    return pred