`module` `coreforecast.lag_transforms`

全局变量

TYPE_CHECKING

`class` `Lag`

简单滞后算子

参数

lag (int): 偏移的周期数

`method` `init`

__init__(lag: int)

`method` `stack`

stack(transforms: Sequence[ForwardRef('_BaseLagTransform')]) → _BaseLagTransform

`method` `take`

take(_idxs: ndarray) → _BaseLagTransform

`method` `transform`

transform(ga: 'GroupedArray') → ndarray

`method` `update`

update(ga: 'GroupedArray') → ndarray

`class` `RollingMean`

滚动均值

参数

lag (int): 在应用变换前偏移的周期数。
window_size (int): 滚动窗口的长度。
min_samples (int, 可选): 计算统计量所需的最小样本数。如果为 None，默认为 window_size。

`method` `init`

__init__(lag: int, window_size: int, min_samples: Optional[int] = None)

`method` `stack`

stack(transforms: Sequence[ForwardRef('_BaseLagTransform')]) → _BaseLagTransform

`method` `take`

take(_idxs: ndarray) → _BaseLagTransform

`method` `transform`

transform(ga: 'GroupedArray') → ndarray

`method` `update`

update(ga: 'GroupedArray') → ndarray

`class` `RollingStd`

滚动标准差

参数

lag (int): 在应用变换前偏移的周期数。
window_size (int): 滚动窗口的长度。
min_samples (int, 可选): 计算统计量所需的最小样本数。如果为 None，默认为 window_size。

`method` `init`

__init__(lag: int, window_size: int, min_samples: Optional[int] = None)

`method` `stack`

stack(transforms: Sequence[ForwardRef('_BaseLagTransform')]) → _BaseLagTransform

`method` `take`

take(_idxs: ndarray) → _BaseLagTransform

`method` `transform`

transform(ga: 'GroupedArray') → ndarray

`method` `update`

update(ga: 'GroupedArray') → ndarray

`class` `RollingMin`

滚动最小值

参数

lag (int): 在应用变换前偏移的周期数。
window_size (int): 滚动窗口的长度。
min_samples (int, 可选): 计算统计量所需的最小样本数。如果为 None，默认为 window_size。

`method` `init`

__init__(lag: int, window_size: int, min_samples: Optional[int] = None)

`method` `stack`

stack(transforms: Sequence[ForwardRef('_BaseLagTransform')]) → _BaseLagTransform

`method` `take`

take(_idxs: ndarray) → _BaseLagTransform

`method` `transform`

transform(ga: 'GroupedArray') → ndarray

`method` `update`

update(ga: 'GroupedArray') → ndarray

`class` `RollingMax`

滚动最大值

参数

lag (int): 在应用变换前偏移的周期数。
window_size (int): 滚动窗口的长度。
min_samples (int, 可选): 计算统计量所需的最小样本数。如果为 None，默认为 window_size。

`method` `init`

__init__(lag: int, window_size: int, min_samples: Optional[int] = None)

`method` `stack`

stack(transforms: Sequence[ForwardRef('_BaseLagTransform')]) → _BaseLagTransform

`method` `take`

take(_idxs: ndarray) → _BaseLagTransform

`method` `transform`

transform(ga: 'GroupedArray') → ndarray

`method` `update`

update(ga: 'GroupedArray') → ndarray

`class` `RollingQuantile`

滚动分位数

参数

lag (int): 在应用变换前偏移的周期数
p (float): 要计算的分位数
window_size (int): 滚动窗口的长度
min_samples (int, 可选): 计算统计量所需的最小样本数。如果为 None，默认为 window_size。

`method` `init`

__init__(
    lag: int,
    p: float,
    window_size: int,
    min_samples: Optional[int] = None
)

`method` `stack`

stack(transforms: Sequence[ForwardRef('_BaseLagTransform')]) → _BaseLagTransform

`method` `take`

take(_idxs: ndarray) → _BaseLagTransform

`method` `transform`

transform(ga: 'GroupedArray') → ndarray

`method` `update`

update(ga: 'GroupedArray') → ndarray

`class` `SeasonalRollingMean`

季节性滚动均值

参数

lag (int): 在应用变换前偏移的周期数
season_length (int): 季节性周期的长度，例如周数据的长度为 7
window_size (int): 滚动窗口的长度
min_samples (int, 可选): 计算统计量所需的最小样本数。如果为 None，默认为 window_size。

`method` `init`

__init__(
    lag: int,
    season_length: int,
    window_size: int,
    min_samples: Optional[int] = None
)

`method` `stack`

stack(transforms: Sequence[ForwardRef('_BaseLagTransform')]) → _BaseLagTransform

`method` `take`

take(_idxs: ndarray) → _BaseLagTransform

`method` `transform`

transform(ga: 'GroupedArray') → ndarray

`method` `update`

update(ga: 'GroupedArray') → ndarray

`class` `SeasonalRollingStd`

季节性滚动标准差

参数

lag (int): 在应用变换前偏移的周期数
season_length (int): 季节性周期的长度，例如周数据的长度为 7
window_size (int): 滚动窗口的长度
min_samples (int, 可选): 计算统计量所需的最小样本数。如果为 None，默认为 window_size。

`method` `init`

__init__(
    lag: int,
    season_length: int,
    window_size: int,
    min_samples: Optional[int] = None
)

`method` `stack`

stack(transforms: Sequence[ForwardRef('_BaseLagTransform')]) → _BaseLagTransform

`method` `take`

take(_idxs: ndarray) → _BaseLagTransform

`method` `transform`

transform(ga: 'GroupedArray') → ndarray

`method` `update`

update(ga: 'GroupedArray') → ndarray

`class` `SeasonalRollingMin`

季节性滚动最小值

参数

lag (int): 在应用变换前偏移的周期数
season_length (int): 季节性周期的长度，例如周数据的长度为 7
window_size (int): 滚动窗口的长度
min_samples (int, 可选): 计算统计量所需的最小样本数。如果为 None，默认为 window_size。

`method` `init`

__init__(
    lag: int,
    season_length: int,
    window_size: int,
    min_samples: Optional[int] = None
)

`method` `stack`

stack(transforms: Sequence[ForwardRef('_BaseLagTransform')]) → _BaseLagTransform

`method` `take`

take(_idxs: ndarray) → _BaseLagTransform

`method` `transform`

transform(ga: 'GroupedArray') → ndarray

`method` `update`

update(ga: 'GroupedArray') → ndarray

`class` `SeasonalRollingMax`

季节性滚动最大值

参数

lag (int): 在应用变换前偏移的周期数
season_length (int): 季节性周期的长度，例如周数据的长度为 7
window_size (int): 滚动窗口的长度
min_samples (int, 可选): 计算统计量所需的最小样本数。如果为 None，默认为 window_size。

`method` `init`

__init__(
    lag: int,
    season_length: int,
    window_size: int,
    min_samples: Optional[int] = None
)

`method` `stack`

stack(transforms: Sequence[ForwardRef('_BaseLagTransform')]) → _BaseLagTransform

`method` `take`

take(_idxs: ndarray) → _BaseLagTransform

`method` `transform`

transform(ga: 'GroupedArray') → ndarray

`method` `update`

update(ga: 'GroupedArray') → ndarray

`class` `SeasonalRollingQuantile`

季节性滚动统计量

参数

lag (int): 在应用变换前偏移的周期数
p (float): 要计算的分位数
season_length (int): 季节性周期的长度，例如周数据的长度为 7
window_size (int): 滚动窗口的长度
min_samples (int, 可选): 计算统计量所需的最小样本数。如果为 None，默认为 window_size。

`method` `init`

__init__(
    lag: int,
    p: float,
    season_length: int,
    window_size: int,
    min_samples: Optional[int] = None
)

`method` `stack`

stack(transforms: Sequence[ForwardRef('_BaseLagTransform')]) → _BaseLagTransform

`method` `take`

take(_idxs: ndarray) → _BaseLagTransform

`method` `transform`

transform(ga: 'GroupedArray') → ndarray

`method` `update`

update(ga: 'GroupedArray') → ndarray

`class` `ExpandingMean`

扩展均值

参数

lag (int): 在应用变换前偏移的周期数

`method` `init`

__init__(lag: int)

`method` `stack`

stack(transforms: Sequence[ForwardRef('_BaseLagTransform')]) → _BaseLagTransform

`method` `take`

take(idxs: ndarray) → _ExpandingBase

`method` `transform`

transform(ga: 'GroupedArray') → ndarray

`method` `update`

update(ga: 'GroupedArray') → ndarray

`class` `ExpandingStd`

扩展标准差

参数

lag (int): 在应用变换前偏移的周期数

`method` `init`

__init__(lag: int)

`method` `stack`

stack(transforms: Sequence[ForwardRef('_BaseLagTransform')]) → _BaseLagTransform

`method` `take`

take(idxs: ndarray) → _ExpandingBase

`method` `transform`

transform(ga: 'GroupedArray') → ndarray

`method` `update`

update(ga: 'GroupedArray') → ndarray

`class` `ExpandingMin`

扩展最小值

参数

lag (int): 在应用变换前偏移的周期数

`method` `init`

__init__(lag: int)

`method` `stack`

stack(transforms: Sequence[ForwardRef('_BaseLagTransform')]) → _BaseLagTransform

`method` `take`

take(idxs: ndarray) → _ExpandingBase

`method` `transform`

transform(ga: 'GroupedArray') → ndarray

`method` `update`

update(ga: 'GroupedArray') → ndarray

`class` `ExpandingMax`

扩展最大值

参数

lag (int): 在应用变换前偏移的周期数

`method` `init`

__init__(lag: int)

`method` `stack`

stack(transforms: Sequence[ForwardRef('_BaseLagTransform')]) → _BaseLagTransform

`method` `take`

take(idxs: ndarray) → _ExpandingBase

`method` `transform`

transform(ga: 'GroupedArray') → ndarray

`method` `update`

update(ga: 'GroupedArray') → ndarray

`class` `ExpandingQuantile`

扩展分位数

参数: lag (int): 在应用变换前偏移的周期数 p (float): 要计算的分位数

`method` `init`

__init__(lag: int, p: float)

`method` `stack`

stack(transforms: Sequence[ForwardRef('_BaseLagTransform')]) → _BaseLagTransform

`method` `take`

take(_idxs: ndarray) → _BaseLagTransform

`method` `transform`

transform(ga: 'GroupedArray') → ndarray

`method` `update`

update(ga: 'GroupedArray') → ndarray

`class` `ExponentiallyWeightedMean`

指数加权均值

参数

lag (int): 在应用变换前偏移的周期数
alpha (float): 平滑因子

`method` `init`

__init__(lag: int, alpha: float)

`method` `stack`

stack(transforms: Sequence[ForwardRef('_BaseLagTransform')]) → _BaseLagTransform

`method` `take`

take(idxs: ndarray) → ExponentiallyWeightedMean

`method` `transform`

transform(ga: 'GroupedArray') → ndarray

`method` `update`

update(ga: 'GroupedArray') → ndarray

此文件由 lazydocs 自动生成。

分组数组缩放器

本页内容

模块 coreforecast.lag_transforms
全局变量
类 Lag
方法 __init__
方法 stack
方法 take
方法 transform
方法 update
类 RollingMean
方法 __init__
方法 stack
方法 take
方法 transform
方法 update
类 RollingStd
方法 __init__
方法 stack
方法 take
方法 transform
方法 update
类 RollingMin
方法 __init__
方法 stack
方法 take
方法 transform
方法 update
类 RollingMax
方法 __init__
方法 stack
方法 take
方法 transform
方法 update
类 RollingQuantile
方法 __init__
方法 stack
方法 take
方法 transform
方法 update
类 SeasonalRollingMean
方法 __init__
方法 stack
方法 take
方法 transform
方法 update
类 SeasonalRollingStd
方法 __init__
方法 stack
方法 take
方法 transform
方法 update
类 SeasonalRollingMin
方法 __init__
方法 stack
方法 take
方法 transform
方法 update
类 SeasonalRollingMax
方法 __init__
方法 stack
方法 take
方法 transform
方法 update
类 SeasonalRollingQuantile
方法 __init__
方法 stack
方法 take
方法 transform
方法 update
类 ExpandingMean
方法 __init__
方法 stack
方法 take
方法 transform
方法 update
类 ExpandingStd
方法 __init__
方法 stack
方法 take
方法 transform
方法 update
类 ExpandingMin
方法 __init__
方法 stack
方法 take
方法 transform
方法 update
类 ExpandingMax
方法 __init__
方法 stack
方法 take
方法 transform
方法 update
类 ExpandingQuantile
方法 __init__
方法 stack
方法 take
方法 transform
方法 update
类 ExponentiallyWeightedMean
方法 __init__
方法 stack
方法 take
方法 transform
方法 update

API 参考

​module coreforecast.lag_transforms

​全局变量

​class Lag

​method __init__

​method stack

​method take

​method transform

​method update

​class RollingMean

​method __init__

​method stack

​method take

​method transform

​method update

​class RollingStd

​method __init__

​method stack

​method take

​method transform

​method update

​class RollingMin

​method __init__

​method stack

​method take

​method transform

​method update

​class RollingMax

​method __init__

​method stack

​method take

​method transform

​method update

​class RollingQuantile

​method __init__

​method stack

​method take

​method transform

​method update

​class SeasonalRollingMean

​method __init__

​method stack

​method take

​method transform

​method update

​class SeasonalRollingStd

​method __init__

​method stack

​method take

​method transform

​method update

​class SeasonalRollingMin

​method __init__

​method stack

​method take

​method transform

​method update

​class SeasonalRollingMax

​method __init__

​method stack

​method take

​method transform

​method update

​class SeasonalRollingQuantile

​method __init__

​method stack

​method take

​method transform

​method update

​class ExpandingMean

​method __init__

​method stack

​method take

​method transform

​method update

​class ExpandingStd

​method __init__

​method stack

​method take

​method transform

`module` `coreforecast.lag_transforms`

全局变量

`class` `Lag`

`method` `init`

`method` `stack`

`method` `take`

`method` `transform`

`method` `update`

`class` `RollingMean`

`method` `init`

`method` `stack`

`method` `take`

`method` `transform`

`method` `update`

`class` `RollingStd`

`method` `init`

`method` `stack`

`method` `take`

`method` `transform`

`method` `update`

`class` `RollingMin`

`method` `init`

`method` `stack`

`method` `take`

`method` `transform`

`method` `update`

`class` `RollingMax`

`method` `init`

`method` `stack`

`method` `take`

`method` `transform`

`method` `update`

`class` `RollingQuantile`

`method` `init`

`method` `stack`

`method` `take`

`method` `transform`

`method` `update`

`class` `SeasonalRollingMean`

`method` `init`

`method` `stack`

`method` `take`

`method` `transform`

`method` `update`

`class` `SeasonalRollingStd`

`method` `init`

`method` `stack`

`method` `take`

`method` `transform`

`method` `update`

`class` `SeasonalRollingMin`

`method` `init`

`method` `stack`

`method` `take`

`method` `transform`

`method` `update`

`class` `SeasonalRollingMax`

`method` `init`

`method` `stack`

`method` `take`

`method` `transform`

`method` `update`

`class` `SeasonalRollingQuantile`

`method` `init`

`method` `stack`

`method` `take`

`method` `transform`

`method` `update`

`class` `ExpandingMean`

`method` `init`

`method` `stack`

`method` `take`

`method` `transform`

`method` `update`

`class` `ExpandingStd`

`method` `init`

`method` `stack`

`method` `take`

`method` `transform`

`method` `update`