我想计算增加的移动平均值。

我的主要目标是获得增加的移动平均值，使得第一个移动平均值是第一个值的平均值，第二个移动平均值是前两个值的平均值，第三个移动平均值是前四个值的平均值，第四个移动平均值是前六个值的平均值，依此类推。

如何使用Python中的numpy库来实现这一点？

我正在使用Python对时间序列数据进行分析。我对移动平均值也很感兴趣，为了计算目标变量的移动平均值，我使用了以下函数来计算目标变量的MA。

def movingaverage(values, avg_number):    weights = np.repeat(1.0, avg_number)/avg_number    smas = np.convolve(values, weights, 'valid')    return smas

在这个函数中，我提供了我的pandas序列和用于计算相应平均值的平均数。

现在，我想计算增加的移动平均值。如上所述，平均值是在固定数量上计算的，比如90。

但在减少/增加的移动平均值的情况下，这个数字会在每个下一个值处减少/增加。

我的主要目标是获得增加的移动平均值，使得第一个移动平均值是第一个值的平均值，第二个移动平均值是前两个值的平均值，第三个移动平均值是前四个值的平均值，第四个移动平均值是前六个值的平均值，依此类推。

如何使用Python中的numpy库来实现这一点？

如果输入是[1,5,3,6,8,4,6,8,4,2,3,5,8,6,4]，输出将是增加的移动平均值，如[1,3,3,3.75....]

回答：

你可以使用cumsum和np.arange，例如

x = np.array([1,5,3,6,8,4,6,8,4,2,3,5,8,6,4])y = x.cumsum()/np.arange(1,len(x)+1)

输出：

array([ 1.        ,  3.        ,  3.        ,  3.75      ,  4.6       ,     4.5       ,  4.71428571,  5.125     ,  5.        ,  4.7       ,     4.54545455,  4.58333333,  4.84615385,  4.92857143,  4.86666667])