python一维平滑

在Python中，可以使用不同的方法进行一维数据平滑，包括移动平均、指数平滑和二阶指数平滑。

移动平均是一种常用的平滑方法，可以通过计算数据的滚动窗口均值来平滑数据。在Python中，可以使用pandas库的rolling函数来实现简单移动平均和加权移动平均。例如，可以使用rolling函数的mean方法来计算简单移动平均：

import pandas as pd

df = pd.DataFrame()
df["data"] = [1, 2, 3, 4, 5]

window = 2
simp_moving_avg = df["data"].rolling(window=window, min_periods=1).mean()

这里的window参数指定了滚动窗口的大小，min_periods参数指定了窗口内最少的观测值数量。

指数平滑是另一种常用的平滑方法，可以对数据进行加权平均来减小噪声的影响。在Python中，可以使用pandas库的ewm方法来实现指数平滑。例如，可以使用ewm方法的alpha参数来指定平滑系数：

ewma = df["data"].ewm(alpha=0.5, min_periods=1).mean()

这里的alpha参数指定了平滑系数，值在0到1之间。

除了一阶指数平滑，还可以使用二阶指数平滑来进一步平滑数据。二阶指数平滑不仅考虑了数据的级别（level），还考虑了数据的趋势（trend）。可以使用以下代码实现二阶指数平滑：

def double_exponential_smoothing(series, alpha, beta):
    result = [series - series