346. 数据流中的移动平均值

346. 数据流中的移动平均值

难度:简单

给定一个整数数据流和一个窗口大小,根据该滑动窗口的大小,计算其所有整数的移动平均值。

实现 MovingAverage 类:

  • MovingAverage(int size) 用窗口大小 size 初始化对象。
  • double next(int val) 计算并返回数据流中最后 size 个值的移动平均值。

示例:

输入:
["MovingAverage", "next", "next", "next", "next"]
[[3], [1], [10], [3], [5]]
输出:
[null, 1.0, 5.5, 4.66667, 6.0]

解释:
MovingAverage movingAverage = new MovingAverage(3);
movingAverage.next(1); // 返回 1.0 = 1 / 1
movingAverage.next(10); // 返回 5.5 = (1 + 10) / 2
movingAverage.next(3); // 返回 4.66667 = (1 + 10 + 3) / 3
movingAverage.next(5); // 返回 6.0 = (10 + 3 + 5) / 3

提示:

  • 1 <= size <= 1000
  • -10^5 <= val <= 10^5
  • 最多调用 next 方法 10^4

解答:

class MovingAverage {
    //时间复杂度:O(1)。空间复杂度:O(N)
    int size;
    int count = 0;
    double sum = 0;
    double ans = 0;
    Deque<Integer> queue = new LinkedList<>();

    /** Initialize your data structure here. */
    public MovingAverage(int size) {
        this.size = size;
    }
    
    public double next(int val) {
        count++;
        queue.addLast(val);
        sum += val;
        if(count <= size){
            ans = sum / count;
        }else{
            sum -= queue.pollFirst();
            ans = sum / size;
        }
        return ans;
    }
}

/**
 * Your MovingAverage object will be instantiated and called as such:
 * MovingAverage obj = new MovingAverage(size);
 * double param_1 = obj.next(val);
 */

参考自:

作者:LeetCode-Solution
链接:https://leetcode-cn.com/problems/moving-average-from-data-stream/solution/shu-ju-liu-zhong-de-yi-dong-ping-jun-zhi-by-leetco/
来源:力扣(LeetCode)
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
好的,你的问题是如何使用structured streaming进行股票移动平均线分析,并生成买入和卖出信号? 首先,您需要设置一个流来将股票市场数据输入Structured Streaming。您可以使用Apache Kafka或Apache Flume等流处理引擎来实现这一点。 接下来,您需要使用Structured Streaming窗口累计dj30sum和dj30ct,这将分别计算价格的总和和计数。您可以使用以下代码来实现: ``` from pyspark.sql.functions import * from pyspark.sql.types import * # Schema for the input data inputSchema = StructType([ StructField("symbol", StringType(), True), StructField("date", StringType(), True), StructField("price", DoubleType(), True) ]) # Read data from Kafka topic as a stream df = spark \ .readStream \ .format("kafka") \ .option("kafka.bootstrap.servers", "localhost:9092") \ .option("subscribe", "stock_prices") \ .load() \ .select(from_json(col("value").cast("string"), inputSchema).alias("data")) # Compute the sum and count of prices over a 10-day window windowedCounts = df \ .groupBy(window(col("data.date"), "10 days"), col("data.symbol")) \ .agg(sum(col("data.price")).alias("dj30sum"), count(col("data.price")).alias("dj30ct")) # Compute the average price over the window dj30avg = windowedCounts \ .withColumn("dj30avg", col("dj30sum") / col("dj30ct")) ``` 然后,您需要将dj30avg分开,以生成10天MA和40天MA的移动平均值。您可以使用rolling窗口函数来实现这一点。以下是一个示例代码: ``` # Compute the 10-day moving average dj30ma10 = dj30avg \ .groupBy(col("symbol")) \ .rolling("10 days", "1 day") \ .agg(avg(col("dj30avg")).alias("dj30ma10")) # Compute the 40-day moving average dj30ma40 = dj30avg \ .groupBy(col("symbol")) \ .rolling("40 days", "1 day") \ .agg(avg(col("dj30avg")).alias("dj30ma40")) ``` 最后,您可以比较两个移动平均线来指示买入和卖出信号。例如,如果10天MA上穿40天MA,则会生成一个买入信号。以下是一个示例代码: ``` # Generate buy and sell signals based on the moving averages buySignals = dj30ma10 \ .join(dj30ma40, ["symbol", "window.start"]) \ .filter(col("dj30ma10") > col("dj30ma40")) \ .select(col("symbol"), col("window.start").alias("date"), lit("buy").alias("signal")) sellSignals = dj30ma10 \ .join(dj30ma40, ["symbol", "window.start"]) \ .filter(col("dj30ma10") < col("dj30ma40")) \ .select(col("symbol"), col("window.start").alias("date"), lit("sell").alias("signal")) # Union the buy and sell signals signals = buySignals.union(sellSignals) # Write the signals to a Kafka topic signals \ .writeStream \ .format("kafka") \ .option("kafka.bootstrap.servers", "localhost:9092") \ .option("topic", "trading_signals") \ .option("checkpointLocation", "/path/to/checkpoint/dir") \ .start() ``` 这将生成一个包含买入和卖出信号的流,您可以将其写入Kafka主题以供其他应用程序使用。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Finish_Hou

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值