输入数据：-
x 0 2 0 1 0 11 0 0 0 0 2 0 6 3 0 0 0 0 0
7 0 0 0 0 0 0 0 3 1 0 0 1 0 1 0 0
在这里，我使用简单的指数平滑来计算q_ses和a_ses值。
计算：-
q 2 1 11 2 6 3 7 3 1 1 1
a 2 2 2 5 2 1 6 8 1 3 2
q_ses 2 1.9 2.81 2.73 3.07 3.05 3.44 3.4 3.16 2.94
a_ses 2 2 2 2.3 2.27 2.14 2.52 3.08 2.86 2.88
fitted 1 0.95 1.41 1.19 1.35 1.42 1.36 1.11 1.10 1.02
q:- non-zero elements
a:- inter-arrival time
q_ses:-alpha*at+(1-alpha)*ft
a_ses:-alpha*at+(1-alpha)*ft
fitted:-q_ses/a_ses
语法：-
#x=data series
#h=numer of periods to forecast
#alpha=simple exponential smoothing parameter
def croston(x,h,alpha=np.nan):
if isnull(alpha):
alpha=0.1
y= x[x!=0].reset_index()
y['a'] = y['index'] - y['index'].shift(1)
y.drop('index', axis=1, inplace=True)
y= y.bfill()
#fitteing simple exponential smoothing
fit_non_zero=SimpleExpSmoothing(y.iloc[:,0]).
fit(smoothing_level=alpha,optimized=False)
fit_inter_arrival=SimpleExpSmoothing(y.iloc[:,1]).
fit(smoothing_level=alpha,optimized=False)
#fitted values for non-zero and interarrival time.
non_zero_fitted=fit_non_zero.fittedvalues
inter_arrival_fitted=fit_inter_arrival.fittedvalues
final_predict=non_zero_fitted/inter_arrival_fitted
# forecast values for h periods
forecast_q=fit_non_zero.forecast(h)
forecast_a=fit_inter_arrival.forecast(h)
final_forecast=forecast_q/forecast_a
return(final_forecast,final_predict)
通过使用上面的代码，我仅获得q的拟合值和仅一个值，即11个观测值的拟合值，但我希望获得x中所有观测值的拟合值。
我了解了croston方法如何产生拟合值的逻辑，但我无法为此获得所需的代码。
逻辑：- 每个非零拟合值都被分配为下一个zero_elements +下一个non_zero元素的拟合值。
我在计算部分提到了拟合值。
所需的拟合值输出：-
x: 0 2 0 1 0 11 0 0 0 0 2 0 6 3 0 0 0
0 0 7 0 0 0 0 0 0 0 3 1 0 0 1 0 1 0
fitted: NA 0 1 1 0.95 0.95 1.41 1.41 1.41 1.41 1.41
1.19 1.19 1.35 1.42 1.42 1.42 1.42 1.42 1.42
1.36 1.36 1.36 1.36 1.36 1.36 1.36 1.36 1.11
1.1 1.1 1.1 1.02 1.02 0.985 0.985
我想要获取以上输出的python代码
我尝试了一些方法，例如找到零个元素位置来替换值，但这在这种情况下不起作用。
任何人都可以帮助我解决这个问题。
先谢谢。