DataFrame.rolling(window=N).mean() による移動平均(単純移動平均 SMA)の計算pip install pandas numpy matplotlib。plt.legend() まで実行するとグラフが表示される。np.random.randn(100) の100個は x の 100 点(0〜10 を等間隔に分割)に対応する。import numpy as np
import matplotlib.pyplot as plt
x=np.linspace(0,10,100)
y_sinwave=np.sin(x)
plt.plot(x,y_sinwave,'r',label='Sin')
plt.legend()

import pandas as pd
import random
import numpy as np
import matplotlib.pyplot as plt
x=np.linspace(0,10,100)
# y_sinwave=np.sin(x)
y_sin_noise = pd.DataFrame(np.sin(x)+np.random.randn(100)*0.2)
# plt.plot(x,y_sinwave,'r',label='Sin')
plt.plot(x,y_sin_noise,'k-',label='Sin+noise')
plt.legend()

import pandas as pd
import random
import numpy as np
import matplotlib.pyplot as plt
x=np.linspace(0,10,100)
# y_sinwave=np.sin(x)
y_sin_noise = pd.DataFrame(np.sin(x)+np.random.randn(100)*0.2)
y_ave = y_sin_noise.rolling(window=5).mean() #移動平均の個数は5
# plt.plot(x,y_sinwave,'r',label='Sin')
# plt.plot(x,y_sin_noise,'k-',label='Sin+noise')
plt.plot(x,y_ave,'b--', label='average')
plt.legend()

rolling(window=5) は「現在の行から過去4行を含む5行分」を1つの区間とみなす。.mean() がその区間の平均を計算する。NaN になる。上のグラフの左端が欠けて見えるのはそのため。'r'(赤実線)・'k-'(黒実線)・'b--'(青破線)のように書く。ラベルの日本語表示は「matplotlibでの日本語文字化け」ページの設定が必要。plt.savefig('average.png') を plt.show() の前に置く。
Q. rolling の結果の先頭が NaN になるのはなぜか
A. window 分のデータがそろうまで平均を計算できないため。y_sin_noise.rolling(window=5, min_periods=1).mean() のように min_periods=1 を指定すると、使える数だけで平均を取り、欠けを避けられる。
Q. 移動平均と指数移動平均の違い
A. このページの .mean() は全点を均等に平均する単純移動平均(SMA)。直近を重視したいなら .ewm(span=5).mean() の指数移動平均(EMA)を使う。どちらもノイズ除去・トレンド把握の目的で使う。
Q. y_sin_noise が numpy 配列のままでも動くか
A. rolling は pandas のメソッドなので DataFrame / Series でないと使えない。numpy 配列のままなら np.convolve を使う(「移動平均(numpy版)」ページ参照)。
🤖 このページにはAIエージェント(ノア)による編集・加筆が含まれます。内容の正確性は保証できないため、重要な判断は一次情報でご確認ください。