Python指数平滑法は簡単に使用できます

＃平滑指数
def calc_next_s（alpha、x）：
    s = [0 for   i in range（len（x））] 
    s [0] = np.sum（x [0：3]）/ float（3 ）
     for i in range（1 、len（s））：
        s [i] = alpha * x [i] +（1-alpha）* s [i-1 ]
     return s 

＃预测
 def time_predict（x）：
    s1 = calc_next_s（alpha、 x）＃一次
    s2 = calc_next_s（alpha、s1）＃二次
    s3 = calc_next_s（alpha、s2）＃三次
    a3 = [（3 * s1 [i]-3 * s2 [i] + s3 [i]）for i in range（len（s3））] 
    b3 = [（（alpha /（2 *（1-alpha）** 2））*（（6-5 * alpha）* s1 [i]-2 *（5 -4 * alpha）* s2 [i] +（4-3 * alpha）* s3 [i]））for i in range（len（s3））] 
    c3 = [（alpha ** 2 /（2 *（1 -alpha）** 2）*（s1 [i]-2 * s2 [i] + s3 [i]））for i in range（len（s3））] 
    pred = a3 [-1] + b3 [-1 ] * 1 + c3 [-1] *（1 ** 2 ）
     print （pred）

if  __name__ == " __main__ ： 
    x = [] ＃x内填写需要预测的列
    表データtime_predict（x）