如何用Python实现数据平滑？移动平均处理

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

def moving_average(data, window_size):
  """
  计算移动平均。

  Args:
    data: 原始数据，列表或NumPy数组。
    window_size: 窗口大小，即用于计算平均值的连续数据点数量。

  Returns:
    移动平均后的数据，列表。如果窗口大小大于数据长度，返回空列表。
  """
  if window_size > len(data):
    return [] # 处理窗口过大的情况

  # 使用NumPy进行优化
  data_as_array = np.asarray(data)
  window = np.ones(window_size) / window_size
  smoothed_data = np.convolve(data_as_array, window, mode='valid')
  return smoothed_data.tolist()


# 示例数据
data = [1, 2, 3, 4, 5, 4, 3, 2, 1, 2, 3, 4, 5]

# 设置窗口大小
window_size = 3

# 计算移动平均
smoothed_data = moving_average(data, window_size)

# 打印结果
print("原始数据:", data)
print("移动平均后的数据:", smoothed_data)

# 可视化
plt.plot(data, label='Original Data')
plt.plot(smoothed_data, label='Moving Average (Window Size = {})'.format(window_size))
plt.legend()
plt.xlabel('Data Point Index')
plt.ylabel('Value')
plt.title('Moving Average Smoothing')
plt.show()


# 使用Pandas实现更灵活的移动平均

# 创建Pandas Series
data_series = pd.Series(data)

# 计算简单移动平均 (SMA)
window_size_pandas = 3
sma = data_series.rolling(window=window_size_pandas).mean()
sma = sma.dropna() # 删除NaN值，因为前几个数据点无法计算均值

print("\nPandas SMA:", sma.tolist())

# 计算指数移动平均 (EMA)
ema = data_series.ewm(span=window_size_pandas, adjust=False).mean() # adjust=False 更稳定
print("Pandas EMA:", ema.tolist())


# Pandas可视化
plt.figure(figsize=(10, 6))
plt.plot(data, label='Original Data')
plt.plot(sma, label='SMA (Window Size = {})'.format(window_size_pandas))
plt.plot(ema, label='EMA (Span = {})'.format(window_size_pandas))
plt.legend()
plt.xlabel('Data Point Index')
plt.ylabel('Value')
plt.title('Pandas Moving Average Smoothing')
plt.show()