关于数据分析之滚动窗口pandas.DataFrame.rolling方法

目录

• 前言
• rolling使用公式
• python实现
• 总结

本文使用pandas 1.3.5 , python 3, numpy 1.22.0库

前言

pandas.Dawww.devze.comtaFrame.编程rolling方法就是SQL中的 group by方法

唯一一点区别就是randroidolling方法的分组不是一成不变的

而是随着窗口的移动而不停更新新的分组

rolling使用公式

pandas.DataFrame.rolling(window = ).聚合函数

【注：rolling方法是向前取数据！！！】

聚合函数总结如下:

• max 最大值
• min 最小值
• mean 平均值
• median 中位数
• sum 求和
• var 方差
• std 标准差
• skew 三阶矩（又叫偏度，用于描述一组数据分布的对称性）
• kurt 四截距 （又叫峰度， 用于描述一组数据在均值附近分布的集中度）
• cov 协方差
• corr 相关系数（对不同单位敏感性强；通常使用pearson相关系数，该系数对不同单位脱敏）
• quantile 百分数

【注：scipy.stats的skew和kurtosis方法和 pandas中的skew和kurt方法计算算法不同】

python实现

比如，我想分别以2和4为滑动窗口，计算dataFrame格式数据“C”列的和，并分别以“D”和 “E”命名

代码如下，

import pandas as pd
import numpy as np
np.random.seed(0)
date_DataFrame1 = pd.DataFrame(np.random.randn(10,3), index = pd.date_range("2020-05-01", periods = 10), columns = ["A","B","C"])
date_D编程ataFrame1["D"] = date_DataFrame1["C"].rolling(window = 2).sum()
date_DataFrame1["E编程客栈"] = date_DataFrame1["C"].rolling(window = 4).sum()

结果如下，

总结

以上为个人经验，希望能给大家一个参考，也希望大家多多支持编程客栈(www.devze.com)。