帮我写一段代码，要求是对一列数据进行平滑处理，使用移动平均或加权平均，以减少随机噪声的影响。请分别写出使用移动平均和加权平均方法的滤波代码。

在Python中，我们可以使用pandas库来进行数据处理，对于移动平均和平滑处理，可以使用`rolling()`函数。这里是一个简单的例子：

**移动平均（简单平均）示例：**

import pandas as pd

# 假设你有一个名为df的DataFrame，data是列名
data_column = df['data']

# 设置窗口大小，例如5表示5个连续的数据点做平均
window_size = 5

# 使用移动平均进行平滑
smoothed_data = data_column.rolling(window=window_size).mean()

**加权平均示例：**
在加权平均中，我们通常会给最近的数据更大的权重。在这种情况下，我们需要先定义权重，然后计算累计和，最后除以累积和得到加权平均。为了简化，假设权重均匀分布：

import numpy as np

# 获取总窗口大小
total_window = window_size - 1

# 定义权重向量，通常是线性下降的
weights = np.linspace(1, 0, total_window)

# 累加权重
cumulative_weights = weights.cumsum()

# 计算加权平均
weighted_sum = np.convolve(data_column.values, weights / cumulative_weights, mode='valid')
smoothed_data = weighted_sum

注意：上述代码中的`rolling()`方法对缺失值有处理策略，而`convolve()`方法需要额外处理边缘效应。实际应用中，可能还需要根据具体需求调整参数。