如何在Python中用滚动平均法制作时间序列图

首先，滚动平均法是对时间序列进行平滑处理的一种方法，它通过计算一段时间内的平均值来消除噪声，从而更好地显示趋势。在Python中可以使用pandas库和matplotlib库来制作时间序列图，并使用rolling函数来实现滚动平均法。

具体步骤如下：

Step 1. 导入必要的库

import pandas as pd
import matplotlib.pyplot as plt

Step 2. 读取时间序列数据

假设我们有一份csv文件，其中记录了一段时间内每天的收盘价，可以使用pandas的read_csv函数来读取数据：

df = pd.read_csv('data.csv', index_col='Date', parse_dates=True)

其中index_col='Date'表示将日期列作为索引，parse_dates=True表示将日期列解析为Datetime类型。

Step 3. 计算滚动平均值

接下来，我们可以使用rolling函数来计算滚动平均值。rolling函数接收一个window参数，表示计算平均值的时间窗口大小（即往前多少天）。例如，我们可以使用5天的时间窗口计算滚动平均值：

rolling_mean = df['Close'].rolling(window=5).mean()

这里的Close是收盘价的列名，rolling_mean是计算出的滚动平均值。

Step 4. 绘制时间序列图

接下来，我们可以使用matplotlib库来将时间序列和滚动平均值绘制在同一个图表上。具体步骤如下：

# 创建一个新的图表
fig, ax = plt.subplots(figsize=(10,6))

# 绘制原始时间序列
ax.plot(df.index, df['Close'], label='Price')

# 绘制滚动平均值
ax.plot(rolling_mean.index, rolling_mean, label='Rolling Mean')

# 添加图例
ax.legend(loc='best')

# 添加标题和轴标签
ax.set_title('Stock Price with Rolling Mean (5 days)')
ax.set_xlabel('Year')
ax.set_ylabel('Price')

# 显示图表
plt.show()

其中，figsize参数表示图表的尺寸，label参数表示线条的标签，legend函数用于添加图例，set_title、set_xlabel和set_ylabel用于设置标题和轴标签。

至此，用滚动平均法制作时间序列图的步骤就介绍完了。需要注意的是，滚动平均法并不适用于所有的时间序列，需要根据实际情况选择合适的平滑方法。