
180
12 章 時系列分析
図
12-3
1
日ごとの価格とローリング平均(左)と指数加重移動平均(右)
ewma = pandas.ewma(reindexed.ppg, span=30)
thinkplot.Plot(ewma.index, ewma)
スパン(
span
)パラメータは、大まかには、ウィンドウサイズに相当します。こ
れは重みの低下速度を制御するので、各平均について、無視できない点の個数を決定
します。
図
12-3
の右側は同じデータに対する
EWMA
を示します。両方ともに定義済みの
ところでは、ローリング平均と同じようですが、欠損値がありません。したがって、
処理しやすくなります。時系列の始まるところでは、データ点の個数がより少ないの
でノイズが多くなります。
12.5
欠損値
時系列の傾向が得られたので、次のステップは季節要因、すなわち周期的振る舞い
の検討です。人間の振る舞いに基づく時系列データは、日次、週次、月次、年次の周
期を示すことがよくあります。次節では、季節変動を検定する手法を示しますが、こ
れは、欠損値があるとうまく動かないので、欠損値問題をまず解決しなければいけま
せん。
単純でよく使うのは、移動平均を使って欠損値を埋めるものです。
オブジェクト
Series
のメソッド
fillna
がまさに望んでいることをやってくれます。
2010/11
2011/5
2011/11
2012/5
2012/11
2013/5
2013/11
2014/5
2010/11
2011/5
2011/11
2012/5
2012/11 ...