用python移动平均法于预测时间序列数据

可以使用pandas中的rolling函数来实现移动平均法，先定义窗口大小，然后计算每个窗口内的平均值作为预测值。具体代码如下：

import pandas as pd
import numpy as np

# 定义时间序列数据
data = [0.9, 1.2, 1.8, 2.4, 2.5, 2.7, 3.1, 3.6, 3.9]

# 定义窗口大小
window_size = 3

# 计算移动平均值
rolling_mean = pd.Series(data).rolling(window=window_size).mean()

# 输出预测结果
print(rolling_mean)

这段代码会输出以下结果：

0         NaN
1         NaN
2    1.300000
3    1.800000
4    2.233333
5    2.533333
6    2.766667
7    3.133333
8    3.533333
dtype: float64

其中，前两个值为NaN是因为窗口大小不足，无法计算移动平均值。从第三个值开始，每个值表示该位置前窗口大小个数内数据的平均值，即为预测值。