DataFrame.ewm(self,com=None,halflife=None, alpha=None, min_periods=0, adjust=True, ignore_na=False, axis=0)
提供指数加权平均。
| 返回值 | DataFrame |
|---|---|
| 参数 | com：float，可选 根据质心指定衰减，α=1/(1+com), for com≥0??????? span：float，可选 根据范围指定衰减，α=2/(span+1), for span≥1?? halflife：float，可选 根据半衰期指定衰减，α=1?exp(log(0.5)/halflife), for halflife>0?? alpha：float，可选 指定平滑系数α?，0<α≤1? min_periods：int，默认为0 窗口中具有值的最小观察数（否则结果为NA） adjust：bool，默认为True 除以开始阶段的衰减调整因子，以解释相对权重的不平衡（将EWMA视为移动平均线） ignore_na：bool，默认为False 计算权重时忽略缺失值；指定True重现0.15.0版本之前的行为。 axis：{0或者‘index‘，1或‘columns’}，默认为0，标识行，值1标识列。 |
必须提供质心(com)、跨度(span)、半衰期(half-life)和alpha值之一。
当adjust = True（默认）时，将使用权重(1-α)^(n-1), (1-α)^(n-2),...1-α, 1来计算加权平均值。
当adjust = False时，按照下式递归计算加权平均值：
weightd_average[0] = arg[0];
weighted_avreaged[i] = (1-α) * weighted_average[i-1] + α * arg[i]
当ignore_na = False时，权重基于绝对值位置。
例如，用于计算 [x, None, y] 的最终加权平均值的 x 和 y 的权重分别为 (1-α)^2 和 1 (如果 adjust = True) 和 (1-α) 和 α (如果adjust = False)
例子
df = pd.DataFrame({‘B‘: [0, 1, 2, np.nan, 4]})
df
df.ewm(com = 0.5).mean()
原文：https://www.cnblogs.com/keye/p/15085040.html