DataFrame指数权重窗口ewm使用： DataFrame.ewm([com, span, halflife, …])

@创建于：20210311
@修改于：20210311

1、背景

DataFrame下的指数权重滑窗算法在时间序列预测中较常用。本文对其的使用方法、理论内容和具体例子进行阐述，以方便使用者最快速度掌握。

2、ewm介绍

2.1 DataFrame ewm API接口介绍

此处对应的pandas 版本号是 1.2.2：pandas.DataFrame.ewm

DataFrame.ewm(com=None, span=None, halflife=None, alpha=None, min_periods=0, adjust=True, ignore_na=False, axis=0, times=None)

编号	英文	中文
1	Provide exponential weighted (EW) functions.	提供指数加权函数
2	Available EW functions: mean(), var(), std(), corr(), cov().	可供使用指数加权函数有：mean(), var(), std(), corr(), cov()
3	Exactly one parameter: com, span, halflife, or alpha must be provided.	只能提供一个参数： com, span, halflife, 和 alpha 四个参数中有且仅有一个参数可被设置（不支持2个或2个以上的设置）。
4	min_periods=0, adjust=True, ignore_na=False, axis=0, times=None	这些可选。

2.2 参数介绍

（1）com : float, optional 可选
Specify decay in terms of center of mass,
根据质心指定衰减
:math:\alpha = 1 / (1 + com), for :math:com \geq 0.
$$\alpha =\frac{1}{1+com}，com\ge 0$$

（2）span : float, optional 可选
Specify decay in terms of span,
根据范围指定衰减
:math:\alpha = 2 / (span + 1), for :math:span \geq 1.
$$\alpha =\frac{2}{1+span}，span\ge 1$$

（3）halflife : float, str, timedelta, optional 可选
Specify decay in terms of half-life,
根据半衰期指定衰减
:math:\alpha = 1 - \exp\left(-\ln(2) / halflife\right), for
:math:halflife > 0.
$$\alpha =1-e^{\frac{-\ln 2}{halflife}}，halflife>0$$

（4）alpha : float, optional
Specify smoothing factor :math:\alpha directly,
指定平滑因子：直接指定$\alpha$
:math:0 < \alpha \leq 1.
$$0<\alpha \le 1$$

当com=1，span=3，halflife=1, alpha=0.5时候，对应的权值$\alpha$是0.5。

（5）adjust : bool, default True， 默认是True
Divide by decaying adjustment factor in beginning periods to account for imbalance in relative weightings (viewing EWMA as a moving average).
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)。
（6）ignore_na : bool, default False，默认值False
Ignore missing values when calculating weights; specify True to reproduce pre-0.15.0 behavior.
计算权重时忽略缺失值；指定True可重现0.15.0之前的行为。

（7）axis : {0, 1}, default 0
The axis to use. The value 0 identifies the rows, and 1 identifies the columns.
要使用的轴。值0标识行，值1标识列。

（8）times : str, np.ndarray, Series, default None
If str, the name of the column in the DataFrame representing the times.
如果是str类型，DataFrame中的列名表示时间。
If 1-D array like, a sequence with the same shape as the observations.
如果是一维矩阵类型，输入时间序列个数与目标序列中一致。
Only applicable to mean().
只能使用 mean()

3、例子

3.1 必选参数比较

import pandas as pd
import numpy as np

df = pd.DataFrame({'B': [0, 1, 2, np.nan, 4]})

df.ewm(com=1).mean()
df.ewm(span=3).mean()
df.ewm(alpha=0.5).mean()
df.ewm(halflife=1).mean()

结果是一样的，具体参见数学原理。

 	B
0 	0.000000
1 	0.666667
2 	1.428571
3 	1.428571
4 	3.217391

3.2 adjust参数比较

df.ewm(alpha=0.5, adjust=False).mean()
df.ewm(alpha=0.5, adjust=True).mean()

3.2 ignore_na参数比较

df.ewm(alpha=0.5, ignore_na=True).mean()
df.ewm(alpha=0.5, ignore_na=False).mean()

3.2 times参数使用

versionadded:: 1.1.0，pandas 1.1.0之后才增加该功能

4、参考资料

pandas.DataFrame.ewm
Python pandas.DataFrame.ewm函数方法的使用