Rata-rata Pergerakan Numpy

Rata Rata Pergerakan Numpy



Sebelum memulai topik kita, mari kita pahami apa itu rata-rata bergerak. Dalam statistik, rata-rata bergerak adalah teknik untuk menghitung dan menganalisis titik data. Ini menghitung titik data dengan membuat serangkaian rata-rata himpunan bagian yang berbeda dari kumpulan data lengkap. Jadi, rata-rata bergerak adalah pengukuran yang menangkap perubahan tipikal dalam rangkaian informasi dari waktu ke waktu. Pergerakan adalah salah satu indikator analisis teknikal yang paling fleksibel dan sering digunakan. Karena sangat mudah digunakan, investor profesional menggunakannya sebagai sarana kumpulan data tertentu dalam statistik. Kami juga dapat menghitung rata-rata pergerakan dalam periode yang lebih singkat dengan menggunakannya pada data harian atau menit. Misalnya: Saat menentukan rata-rata pergerakan 10 hari, dalam contoh kami, kami hanya akan menjumlahkan harga penutupan dari salah satu dari sepuluh harga sebelumnya hari dan bagi hasilnya dengan sepuluh. Pada hari berikutnya, kami juga akan menghitung harga dalam sepuluh hari terakhir yang berarti kami tidak akan menghitung harga hari pertama. Itu lebih akan diganti dengan harga kami kemarin. Data berubah dengan cara ini setiap hari bergerak, ini dikenal sebagai rata-rata bergerak karena alasan ini. Tujuan dari rata-rata bergerak adalah untuk menentukan awal dari sebuah tren, kemudian mengikuti perkembangannya dan juga melaporkan pembalikannya jika terjadi. Rumus untuk menghitung rata-rata bergerak adalah Ft = (Dt1+Dt2+Dt3…+Dtn)/n. Dimana Dt adalah Permintaan dalam periode t dan Ft adalah Prakiraan dalam waktu t.

Sintaksis:

Kita dapat menghitung rata-rata bergerak dengan berbagai cara yaitu sebagai berikut:

Metode 1:

JumlahPy. cumsum ( )

Ini mengembalikan jumlah elemen dalam array yang diberikan. Kita dapat menghitung rata-rata bergerak dengan membagi output cumsum() dengan ukuran array.







Metode 2:

JumlahPy. dan . rata-rata ( )

Ini memiliki parameter berikut.



a: data dalam bentuk array yang akan dirata-ratakan.



axis: tipe datanya adalah int dan merupakan parameter opsional.





weight: ini juga merupakan array dan parameter opsional. Bentuknya bisa sama dengan bentuk 1-D. Dalam kasus satu dimensi, panjangnya harus sama dengan array 'a'.

Perhatikan bahwa tampaknya tidak ada fungsi standar di NumPy untuk menghitung rata-rata bergerak sehingga dapat dilakukan dengan beberapa metode lain.



Metode 3:

Metode lain yang dapat digunakan untuk menghitung rata-rata bergerak adalah:

misalnya membelit ( sebuah , di , mode = 'penuh' )

Dalam sintaks ini, a adalah dimensi input pertama dan v adalah nilai dimensi input kedua. Modus adalah nilai opsional, bisa penuh, sama, dan valid.

Contoh #01:

Sekarang, untuk menjelaskan lebih lanjut tentang rata-rata bergerak di Numpy mari kita berikan sebuah contoh. Dalam contoh ini, kita akan mengambil rata-rata bergerak dari sebuah array dengan fungsi konvolusi dari NumPy. Jadi, kita akan mengambil array “a” dengan 1,2,3,4,5 sebagai elemennya. Sekarang, kita akan memanggil fungsi np.convolve dan menyimpan outputnya dalam variabel “b” kita. Setelah itu, kita akan mencetak nilai dari variabel kita “b”. Fungsi ini akan menghitung jumlah bergerak dari array input kita. Kami akan mencetak output untuk melihat apakah output kami benar atau tidak.

Setelah itu, kami akan mengubah output kami menjadi rata-rata bergerak menggunakan metode konvolusi yang sama. Untuk menghitung rata-rata bergerak, kita hanya perlu membagi jumlah bergerak dengan jumlah sampel. Tetapi masalah utama di sini adalah karena ini adalah rata-rata bergerak, jumlah sampel terus berubah tergantung pada lokasi kita berada. Jadi, untuk mengatasi masalah itu, kita cukup membuat daftar penyebut dan kita perlu mengubahnya menjadi rata-rata.

Untuk tujuan itu, kami telah menginisialisasi variabel lain 'penyebut' untuk penyebut. Sederhana untuk pemahaman daftar menggunakan trik jangkauan. Array kami memiliki lima elemen berbeda sehingga jumlah sampel di setiap tempat akan berubah dari satu menjadi lima dan kemudian kembali turun dari lima menjadi satu. Jadi, kami hanya akan menambahkan dua daftar bersama dan kami akan menyimpannya di parameter 'denom' kami. Sekarang, kita akan mencetak variabel ini untuk memeriksa apakah sistem telah memberi kita penyebut yang benar atau tidak. Setelah itu, kita akan membagi jumlah bergerak kita dengan penyebut dan mencetaknya dengan menyimpan output dalam variabel “c”. Mari kita jalankan kode kita untuk memeriksa hasilnya.

impor numpy sebagai misalnya

sebuah = [ 1 , dua , 3 , 4 , 5 ]

b = misalnya membelit ( sebuah , misalnya one_like ( sebuah ) )

mencetak ( 'Jumlah Bergerak' , b )

nama = daftar ( jangkauan ( 1 , 5 ) ) + daftar ( jangkauan ( 5 , 0 , - 1 ) )

mencetak ( 'Denominator' , nama )

c = misalnya membelit ( sebuah , misalnya one_like ( sebuah ) ) / nama

mencetak ( 'Rata-Rata Bergerak' , c )

Setelah eksekusi kode kita berhasil, kita akan mendapatkan output berikut. Pada baris pertama, kami telah mencetak “Moving Sum”. Kita dapat melihat bahwa kita memiliki '1' di awal dan '5' di akhir array, seperti yang kita miliki di array asli kita. Sisa angka adalah jumlah dari elemen yang berbeda dari array kita.

Misalnya, enam pada indeks ketiga dari array berasal dari penambahan 1,2, dan 3 dari array input kami. Sepuluh pada indeks keempat berasal dari 1,2,3 dan 4. Lima belas berasal dari penjumlahan semua angka, dan seterusnya. Sekarang, di baris kedua dari output kami, kami telah mencetak penyebut dari array kami.

Dari output kita, kita dapat melihat bahwa semua penyebutnya eksak, yang berarti kita dapat membaginya dengan array jumlah bergerak kita. Sekarang, pindah ke baris terakhir dari output. Pada baris terakhir, kita dapat melihat bahwa elemen pertama dari Array rata-rata Bergerak kita adalah 1. Rata-rata dari 1 adalah 1 sehingga elemen pertama kita benar. Rata-rata dari 1+2/2 akan menjadi 1,5. Kita dapat melihat bahwa elemen kedua dari larik keluaran kita adalah 1,5 sehingga rata-rata kedua juga benar. Rata-rata dari 1,2,3 akan menjadi 6/3=2. Itu juga membuat output kita benar. Jadi, dari output tersebut, kita dapat mengatakan bahwa kita telah berhasil menghitung rata-rata bergerak dari sebuah array.

Kesimpulan

Dalam panduan ini, kita belajar tentang rata-rata bergerak: apa itu rata-rata bergerak, apa kegunaannya, dan bagaimana menghitung rata-rata bergerak. Kami mempelajarinya secara detail dari sudut pandang matematika dan pemrograman. Di NumPy, tidak ada fungsi atau proses khusus untuk menghitung rata-rata bergerak. Tetapi ada fungsi lain yang berbeda dengan bantuan yang kita dapat menghitung rata-rata bergerak. Kami melakukan contoh untuk menghitung rata-rata bergerak dan menjelaskan setiap langkah dari contoh kami. Rata-rata bergerak adalah pendekatan yang berguna untuk meramalkan hasil di masa depan dengan bantuan data yang ada.