我能想到的最简单的趋势“算法”就是n天移动平均线。我不确定您的数据的结构如何，但是您说这样的话：
books = {'Twilight': [500, 555, 580, 577, 523, 533, 556, 593],
'Harry Potter': [650, 647, 653, 642, 633, 621, 625, 613],
'Structure and Interpretation of Computer Programs': [1, 4, 15, 12, 7, 3, 8, 19]
}
一个简单的移动平均线仅取最后的n值并将其平均：
def moving_av(l, n):
"""Take a list, l, and return the average of its last n elements.
"""
observations = len(l[-n:])
return sum(l[-n:]) / float(observations)
切片符号只是抓住列表的末尾，从第n个变量到最后一个变量。移动平均线是消除单个尖峰或跌??落可能引入的任何噪声的相当标准的方法。该函数可以这样使用：
book_scores = {}
for book, reader_list in books.iteritems():
book_scores[book] = moving_av(reader_list, 5)
您将需要计算平均的天数。如果您想强调近期趋势，也可以考虑使用加权移动平均线。
如果您想关注的是较少关注绝对读者群的内容，而是关注增加读者群的内容，只需找到30天移动平均线和5天移动平均线的变化百分比：
d5_moving_av = moving_av(reader_list, 5)
d30_moving_av = moving_av(reader_list, 30)
book_score = (d5_moving_av - d30_moving_av) / d30_moving_av
使用这些简单的工具，您可以灵活地强调过去的趋势以及想要消除（或不消除）峰值的程度。
602392714
清零编程群