时间序列移动平均法代码

时间序列移动平均法是一种简单的预测模型，它可以用来对时间序列进行预测。其实现方法是将历史数据按照一定的时间窗口进行分割，然后对每个时间窗口内的数据进行平均，作为该时间窗口的预测值。下面是 Python 代码实现：

import numpy as np

def moving_average(data, window_size):
    """
    计算时间序列的移动平均值
    :param data: 时间序列数据
    :param window_size: 时间窗口大小
    :return: 移动平均值序列
    """
    ma = []
    for i in range(len(data) - window_size + 1):
        ma.append(np.mean(data[i:i+window_size]))
    return ma

其中，`data` 是时间序列数据，`window_size` 是时间窗口大小。该函数返回一个移动平均值序列。使用该函数可以很方便地计算时间序列的移动平均值。例如：

data = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
window_size = 3
ma = moving_average(data, window_size)
print(ma)

输出结果为：

[2.0, 3.0, 4.0, 5.0, 6.0, 7.0, 8.0]

其中，移动平均值序列的长度为 `len(data) - window_size + 1`，即为 7。