python指数移动平均

1. python中如何使用指数

exp()方法：

exp(x)方法返回x的指数，e^x。

如x=1，那么e的1次幂为2.7183…

语法：

注意：exp()是不能直接访问的，需要导入math模块，通过静态对象调用该方法。

实例：

运行结果：

python学习网，免费的在线学习python平台，欢迎关注！

2. 使用python实现ema（指数移动平均的计算）

a=2/13
Prices=[0.0]#pricesofeveryday
EMAs=[0.0]#emsofeveryday
defema(N,Price):
Prices.append(Price)
ifN<=1:
EMAs.append(Price)
else:
EMAs.append((1-a)*EMAs[N-1]+a*Price)
ema(1,1)
ema(2,3)
print(EMAs[1])
print(EMAs[2])

3. 怎么用python写出四个数的求和还有他们的平均值

如下：

s = [1, 2, 3, 4]

print(sum(s), sum(s)/len(s)) # 10 2.5

在 Python 标准库中，有专门的数学统计函数，就在 statistics 模块里面。该模块提供了用于计算数字 (Real-valued) 数据的数理统计量的函数。

此模块并不是诸如 NumPy ， SciPy 等第三方库或者诸如 Minitab ， SAS ， Matlab 等针对专业统计学家的专有全功能统计软件包的竞品。此模块针对图形和科学计算器的水平。

当然，除了专业的第三方库和 Python 标准库，按照我们中小学时学的知识，加上 Python 的运算符知识也能使用 Python 写出求和和平均值。

Python由荷兰数学和计算机科学研究学会的Guido van Rossum于1990 年代初设计，作为一门叫做ABC语言的替代品。

Python提供了高效的高级数据结构，还能简单有效地面向对象编程。Python语法和动态类型，以及解释型语言的本质，使它成为多数平台上写脚本和快速开发应用的编程语言，随着版本的不断更新和语言新功能的添加，逐渐被用于独立的、大型项目的开发。

Python解释器易于扩展，可以使用C或C++（或者其他可以通过C调用的语言）扩展新的功能和数据类型。

Python 也可用于可定制化软件中的扩展程序语言。Python丰富的标准库，提供了适用于各个主要系统平台的源码或机器码。

2021年10月，语言流行指数的编译器Tiobe将Python加冕为最受欢迎的编程语言，20年来首次将其置于Java、C和JavaScript之上。

4. python怎么表示指数

其中有两个非常漂亮的指数函数图就是用python的matplotlib画出来的。这一期，我们将要介绍如何利用python绘制出如下指数函数。

图 1 a>1图 1 a>1

我们知道当0 ，指数函数 是单调递减的，当a>1 时，指数函数是单调递增的。所以我们首先要定义出指数函数，将a值做不同初始化

import math
...
def exponential_func(x, a): #定义指数函数
y=math.pow(a, x)
return y

然后，利用numpy构造出自变量，利用上面定义的指数函数来计算出因变量

X=np.linspace(-4, 4, 40) #构造自变量组
Y=[exponential_func(x) for x in X] #求函数值

有了自变量和因变量的一些散点，那么就可以模拟我们平时画函数操作——描点绘图，利用下面代码就可以实现

import math
import numpy as np
import matplotlib.pyplot as plt
import mpl_toolkits.axisartist as axisartist #导入坐标轴加工模块
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False

fig=plt.figure(figsize=(6,4)) #新建画布
ax=axisartist.Subplot(fig,111) #使用axisartist.Subplot方法创建一个绘图区对象ax
fig.add_axes(ax) #将绘图区对象添加到画布中

def exponential_func(x, a=2): #定义指数函数
y=math.pow(a, x)
return y

X=np.linspace(-4, 4, 40) #构造自变量组
Y=[exponential_func(x) for x in X] #求函数值
ax.plot(X, Y) #绘制指数函数
plt.show()

图 2 a=2

图2虽简单，但麻雀虽小五脏俱全，指数函数该有都有，接下来是如何让其看起来像我们在作图纸上面画的那么美观，这里重点介绍axisartist 坐标轴加工类，在的时候我们已经用过了，这里就不再多说了。我们只需要在上面代码后面加上一些代码来将坐标轴好好打扮一番。

图 3 a>1 完整代码# -*- coding: utf-8 -*-图 3 a>1 完整代码# -*- coding: utf-8 -*-"""Created on Sun Feb 16 10:19:23 2020project name:@author: 帅帅de三叔"""import mathimport numpy as npimport matplotlib.pyplot as pltimport mp

5. 指数平滑方法简介

指数平滑（Exponential smoothing）是除了 ARIMA 之外的另一种被广泛使用的时间序列预测方法（关于 ARIMA，请参考 时间序列模型简介 ）。 指数平滑即指数移动平均（exponential moving average），是以指数式递减加权的移动平均。各数值的权重随时间指数式递减，越近期的数据权重越高。常用的指数平滑方法有一次指数平滑、二次指数平滑和三次指数平滑。

一次指数平滑又叫简单指数平滑（simple exponential smoothing， SES），适合用来预测没有明显趋势和季节性的时间序列。其预测结果是一条水平的直线。模型形如：

其中 是真实值， 为预测值， 为平滑值， 。

定义残差 ，其中 ，则可以通过优化方法得到 和 。

使用 python 的 statsmodels 可以方便地应用该模型：

效果如图：

Holt 扩展了简单指数平滑，使其可以用来预测带有趋势的时间序列。直观地看，就是对平滑值的一阶差分（可以理解为斜率）也作一次平滑。模型的预测结果是一条斜率不为0的直线。模型形如：

其中 ， 。

效果如图：

Holt's linear trend method 得到的预测结果是一条直线，即认为未来的趋势是固定的。对于短期有趋势、长期趋于稳定的序列，可以引入一个阻尼系数 ，将模型改写为

为了描述时间序列的季节性，Holt 和 Winters 进一步扩展了 Holt's linear trend method，得到了三次指数平滑模型，也就是通常说的 Holt-Winters’ 模型。我们用 表示“季节”的周期。根据季节部分和非季节部分的组合方式不同，Holt-Winters’ 又可以分为加法模型和乘法模型。

加法模型形如：

其中 ， ， 。 是 的整数部分。

效果如图：

乘法模型形如：

效果如图：

Holt-Winters’ 模型的趋势部分同样可以引入阻尼系数 ，这里不再赘述。

参数优化的方法是最小化误差平方和或最大化似然函数。模型选择可以根据信息量准则，常用的有 AIC 和 BIC等。

AIC 即 Akaike information criterion， 定义为

其中 是似然函数， 是参数数量。用 AIC 选择模型时要求似然函数大，同时对参数数量作了惩罚，在似然函数相近的情况下选择复杂度低的模型。

BIC 即 Bayesian information criterion，定义为

其中 是样本数量。当 时， ，因此当样本量较大时 BIC 对模型复杂度的惩罚比 AIC 更严厉。

线性的指数平滑方法可以看作是 ARIMA 的特例。例如简单指数平滑等价于 ARIMA(0, 1, 1)，Holt's linear trend method 等价于 ARIMA(0, 2, 2)，而 Damped trend methods 等价于 ARIMA(1, 1, 2) 等。

我们不妨来验证一下。

可以改写为

亦即

两边同时加上 ，得

而 ARIMA(p, d, q) 可以表示为

其中 是滞后算子（Lag operator）， 。
考虑 ARIMA(0, 1, 1)

即

亦即

令 ，则两者等价。

非线性的指数平滑方法则没有对应的 ARIMA 表示。

[1] Hyndman, Rob J., and George Athanasopoulos. Forecasting: principles and practice. OTexts, 2014.
[2] Exponential smoothing - Wikipedia https://en.wikipedia.org/wiki/Exponential_smoothing
[3] Introction to ARIMA models - Duke https://people.ke.e/~rnau/411arim.htm

6. python简单题不会，求解答

#第一题：
from__future__importdivision
print'请依次输入体重(kg)与身高(m):'
weight=float(raw_input())
height=float(raw_input())

print"{:.2f}".format(weight/(height**2))

#第二题：
print'请输入一个秒数：'
sec=int(raw_input())
printstr(sec/3600)+''+str(sec%3600/60)+''+str(sec%60)

#第三题：
from__future__importdivision
importmath

print'请依次输入三角形三边值a,b,c：'
a=int(raw_input())
b=int(raw_input())
c=int(raw_input())

print"{:.1f}".format(math.degrees(math.acos((a**2+b**2-c**2)/(2*a*b))))

你复制的问题还复制不全，汗啊。。。这么多问题连个分也没有。。。人家计算BMI是用的平方，你这里还给了个错的公式，还能不能认真点儿。