Olen kehittänyt valuuttakaupankäynnin algoritmia ja halunnut kokeilla ammoniasi laskettaessa EMA Exponential Moving Medals Tulokset näyttävät olevan oikeita verrattuna laskelmiin, jotka käsittelin, joten uskon, että seuraava menetelmä toimii, mutta halusi vain saada ylimääräinen silmäsarja varmistaa, että im ei ole mitään. Huomaa, että tämä vain palauttaa EMA viimeisimmän hinnan, se doesnt t palata joukko EMA s, koska se isn t mitä tarvitsen minun application. Recursion on hyvä väline mutta täällä sitä käytetään yksinkertaisen silmukan aikaansaamiseksi. Tällainen koodi on vaikeampi lukea ja syyttää. se on hitaampaa, koska suuri osa ema-koodista tarvitsee vain ajaa kerran. ikkuna, joka johtuu ylivuotavasta Python-puhelupinosta. Ilmoita ainakin toiminnon parametrit, kuten ikkuna on ikkunan pituus, ja tämä asema laskee taaksepäin datan lopusta. Itse asiat olisivat selvempiä, jos asema olisi normaali eteenpäin - indeksi i nto data. Raise poikkeus, kun löydät parametrin on virheellinen arvo Returning None sen sijaan aiheuttaa vain hämmentävää poikkeusta myöhemmin Itse asiassa, jos yritän 600 saan ääretön rekursiota, koska sma paluu Ei mitään, joka tekee ema soittaa sma uudelleen ja uudestaan. Edellinen kohta paljastaa myös, että jos len-tietoikkuna 2 ei ole oikea validiteettitarkastus. 1-data - window 2 1 - window 1 ei näytä oikealta minulle Oletan, että haluat data - window 2 - window. The lausuma palauttaa previousema on outoa, koska siinä vaiheessa olet laskenut uuden virran. Tämä on rekursion peruskanta, ja on tavallisesti käsiteltävä perustapaus ensin. Ehdotukseni ema. answered Nov 26 14 at 18 56.Pretty matala arvostelu. Sinun ei tarvitse kirjoittaa luokkaa sille, mitä teet, ja ehdotan, että katsot tätä videota. Luokassasi ei ole mitään tietoja ja käytät sitä vain, jos haluatte toimia samassa kokonaisuudessa. Olisi helpompi ymmärtää, olisiko määritettävä klassikot jarruttaa, että on selvää, että et voittanut t todella luottaa mihin tahansa esimerkki kuitenkin vielä parempi vaihtoehto olisi vain määritellä toimintoja indikaattori moduuli. vastattu 24 marraskuu 14 klo 18 04. Kiitos ehdotuksille en todellakaan heillä niitä luokan menetelmiä ja keskusteltu edestakaisin edes käyttämällä luokan tai vain määrittelevät toiminnot indikaattori moduuli, jonka minä nyt tehdä ChrisC marraskuu 25 14 klo 19 12.Just katseli videota myös hienoja ChrisC 25 marraskuu 14 klo 19 43.Your Vastaus 2017 Stack Exchange, Inc. Python Data Analysis Library. pandas antaa meille mahdollisuuden keskittyä enemmän tutkimukseen ja vähemmän ohjelmointiin. Olemme löytäneet pandojen helppo oppia, helppokäyttöisiä ja helppoja ylläpitää. Tärkeintä on, että se on lisännyt tuottavuus. Optimointijohtaja Analytics. pandas on täydellinen työkalu ad hoc - analyysin nopean iteroinnin ja tuotannon laatukoodin välisen kuilun välttämiseksi. Jos haluat yhden työkalun käytettäväksi monitieteellisen insinööriliiton, matemaatin ns ja analyytikot, älä katso enää. Käytämme pandoja prosessikaasitietojen käsittelemiseen tuotantopalvelimissamme API: n yksinkertaisuus ja tyylikkyys sekä sen korkean tason suorituskyky suurta volyymidataa varten tekivät siitä täydellisen valinnan..Nopea ja tehokas DataFrame-objekti tietojen manipulointiin integroidulla indeksoinnilla. Tietojen lukeminen ja kirjoittaminen muistiin tallennetuissa tietorakenteissa ja eri muodoissa CSV - ja tekstitiedostot, Microsoft Excel, SQL-tietokannat ja nopea HDF5-muoto. Intelligent data alignment and integroitu puuttuva tiedonsiirto käsittelee automaattista etikettipohjaista linjausta laskutoimituksissa ja helposti manipuloida sotkuisia tietoja järjestäytyneeseen muotoon. Datayksiköiden joustava uudelleensuuntaus ja kääntyminen. Suorituskykyinen tarra-pohjainen viipalointi hieno indeksointi ja suurten datajoukoiden alustaminen. poistetaan tietorakenteesta kokoa muuttavaksi. Yhdistetään tai muunnetaan tietoja voimakkaalla ryhmällä moottorilla, joka mahdollistaa split-apply-combine - toimintojen datasarjoihin. Suorituskykyinen yhdistäminen ja datayhteyksien yhdistäminen. Hierarkkisen akselin indeksointi tarjoaa intuitiivisen tavan työskennellä korkeamittaisten tietojen kanssa alemman ulottuvuuden datarakenteessa. Timer-sarjan toiminnallisuuspäivämäärän tuottaminen ja taajuusmuunnos, liikuteltavissa olevat tilastot, siirrettävien ikkunoiden lineaariset regressiot , päivämäärän siirtymistä ja jäljelle jäämistä Jopa luoda verkkotunnusten mukaisia aikaviivejä ja liittyä aikasarjaan menettämättä dataa. Erittäin optimoitu suorituskykyyn kriittisissä koodausreiteissä, jotka on kirjoitettu Cythonissa tai C. Pythonissa pandojen kanssa on käytössä monissa akateemisissa ja kaupallisissa verkkotunnuksissa, mukaan lukien talous, neurotiede, taloustiede, tilastot, mainonta, Web Analytics ja paljon muuta. Hmmm, näyttää siltä, että tämä on helppo toteuttaa funktiona on todella melko helppoa saada väärin ja on kehittänyt hyvää keskustelua muistin tehokkuudesta Olen iloinen voidessaan paisuttaa, jos se tarkoittaa tietäen, että jotain on tehty oikein Richard Syys 20 14 klo 19 23.NumPy s puuttuminen tietyn domain-spesifinen toiminto johtuu ehkä C m ore Tiimin kurinalaisuus ja uskollisuus NumPy s prime - direktiiviin tarjoavat N-ulotteisen matriisityypin sekä funktioiden luomisen ja indeksoimisen näille matriisille. Kuten monet perustavanlaatuiset tavoitteet, tämä ei ole pieni ja NumPy tekee sen loistavasti. sisältää paljon laajemman kokoelman domain-spesifisiä kirjastoja, joita kutsutaan alipaketeiksi SciPy-mallien avulla - esimerkiksi numeerinen optimointioptimointi, signaalinkäsittelysignaali ja integraalilaskenta integroituvat. Oletan, että toiminto, jonka olet, on ainakin yhdessä SciPy alipaketteja ehkä kuitenkin, haluan ensin etsiä kokoelma SciPy scikits tunnistaa asianomaiset scikit s ja etsiä mielenkiintoa siellä. Scikit ovat itsenäisesti kehitetty paketit perustuu NumPy SciPy ja ohjataan tietty tekninen kurinalaisuutta esim. scikits-image scikits - oppia jne. Useat näistä olivat erityisesti, mahtava OpenOpt numeeriselle optimoinnille pidettiin erittäin arvostetuina, kypsiä projekteja jo kauan ennen chooa laulaa asumaan suhteellisen uusiin scikits-riveihin. Scikitsin etusivulla yllättäen on listattu noin 30 tällaista scikitä, vaikka ainakin useat niistä eivät enää ole aktiivisessa kehityksessä. Tämän neuvonnan johdosta saatat sinut skikit-timeseriesiin, mutta paketti ei ole enää aktiivisessa kehityksessä Pandas on todellisuudessa tullut AFAIK, de facto NumPy-pohjainen aikasarja kirjasto. Pandas on useita toimintoja, joita voidaan käyttää laskemaan liikkuva keskiarvo yksinkertaisin näistä on todennäköisesti rollingmean jota käytät niin. Nyt, vain soita toiminto Rollingmean kulkee Sarja objekti ja ikkunan koko, joka minun esimerkki alla on 10 päivää. verify että se toimi - esim. vertailla arvoja 10 - 15 alkuperäisessä sarjassa verrattuna uusi sarja tasoitettu rolling mean. The funktio rollingmean ja noin kymmenkunta muuta toimintoa on epävirallisesti ryhmitelty Pandas-dokumentaatioon otsikkorivin ikkunassa funktiot toinen, samankaltainen toimintojen ryhmä Pandasissa on joita kutsutaan eksponentiaalipainotetuiksi funktioiksi, esim. ewma, joka laskee eksponentiaalisesti liikkuvaa painotettua keskiarvoa. Tosiasia, että tämä toinen ryhmä ei sisälly ensimmäisiin liikkuviin ikkunatoimintoihin, on ehkä siksi, että eksponentiaalipainotetut muunnokset eivät t luotu kiinteään pituiseen ikkunaan. 14 13 klo 6 38.
Comments
Post a Comment