weighted-average

0熱度

1回答

這裏是我處理的一個非常簡單的例子： data_stack <- data.table(CompA_value = c(10,20,30,40), CompB_value = c(60,70,80,80), CompC_value = c(NA, NA, NA, 100), CompA_weight = c(0.2, 0.3,0.4,0.4), CompB_weight = c(0.8,0.7,0.

0熱度

1回答

計算加權移動平均使用大熊貓軋製方法

我計算簡單移動平均： def sma(data_frame, length=15): # TODO: Be sure about default values of length. smas = data_frame.Close.rolling(window=length, center=False).mean() return smas 使用滾動功能可以計算加權

3熱度

1回答

熊貓：滾動時間加權與GROUPBY

均線我有客戶銷售歷史的以下數據框（這只是其中的一部分，實際的數據幀超過70K行）： import pandas as pd import datetime as DT df_test = pd.DataFrame({ 'Cus_ID': ["T313","T348","T313","T348","T313","T348","T329","T329","T348","T313","

2熱度

1回答

R：在data.table

基礎累積加權平均是如下的數據表： library(data.table) dt <- data.table(Position = 1:3, Price = c(50, 45, 40), Volume = c(10, 10, 10)) dt Position Price Volume 1: 1 50 10 2: 2 45 10 3: 3 40 10 現在我想以計

0熱度

1回答

向量化加權和matlab

我試圖向量化某個加權和，但無法弄清楚如何去做。我在下面創建了一個簡單的最小工作示例。我猜這個解決方案涉及到bsxfun或重塑和克羅內克產品，但我仍然沒有設法使它工作。 rng(1); N = 200; T1 = 5; T2 = 7; A = rand(N,T1,T2); w1 = rand(T1,1); w2 = rand(T2,1); B = zeros(N,1); for

3熱度

4回答

三重加權總和

我試圖向量化某個加權總和，但無法弄清楚如何去做。我在下面創建了一個簡單的最小工作示例。我猜這個解決方案涉及到bsxfun或重塑和克羅內克產品，但我仍然沒有設法使它工作。 rng(1); N = 200; T1 = 5; T2 = 7; T3 = 10; A = rand(N,T1,T2,T3); w1 = rand(T1,1); w2 = rand(T2,1); w3 = ra

0熱度

2回答

加權移動平均值與Hive SQL

給定一個像下面這樣的Hive表，我想計算加權移動平均數。表1是這種加權移動平均數的一個例子。每列的值是在加權移動平均 col_value = (1 * n) + (0.75 * n-1) + (0.5 * n-2) + (0.25 * n-3) where n is the value at the current row, n-1 the value at the above row, etc

1熱度

3回答

在php中使用加權平均數進行評分

如何使用php對此測試進行評分？我需要一個百分比... 我有一系列的問題，包含正確/不正確的布爾和相應的重量。我需要先找到正確答案的平均值嗎？方程是什麼？ $questions = array( 0=>array( 'Question'=>"Some Question", 'Correct'=>true, 'Weight'=>5, ),

2熱度

1回答

沿着Numpy陣列軸的質心的標準偏差

我正試圖找到一種性能良好的方法來計算沿着Numpy陣列的軸的質量/重心的標準偏差。式，這是（遺憾的錯位）：我能想出的最好的是這樣的： def weighted_com(A, axis, weights): average = np.average(A, axis=axis, weights=weights) return average * weights.sum()/A.

-2熱度

1回答

計算絕對距離/加權移動平均值。 Stata or R

我想在一個變量（稱爲「絕對距離」）中獲取給定主題（用var「id」標識;共50個主題）之間的數字變量（稱爲「v1」）距離的絕對值，在一個特定的年份（以var「持續時間」標識，總共13年），容易生病（體驗被稱爲「病態」的依賴/結果二元變量所捕獲的「事件」;當受試者體驗事件，否則爲0）以及所有生病的受試者（先前曾經歷事件的受試者）的「v1」的值。以前患病的受試者的價值是受試者在經歷事件時（受試者生病