Pandas时间序列：rolling 用法快速理解

相信初学Pandas时间序列时，会遇到rolling函数，不知道该怎么理解，对吧？

让我们用最简单的例子来说明吧。

代码如下：

import pandas as pd
# 导入 pandas index = pd.date_range('2019-01-01',periods=20)
#创建日期序列data = pd.DataFrame(np.arange(len(index)),index=index,columns=['test'])
#创建简单的pd.DataFramedata
#打印data
data['sum'] = data.test.rolling(3).sum()
#移动3个值，进行求和
data['mean'] = data.test.rolling(3).mean()
#移动3个值，进行求平均数
data['mean1'] = data.test.rolling(3,min_periods=2).mean()
#移动3个值，最小计数为2，进行求平均数，查看跟上面有何不同

我们看下结果吧

大家可以看到：

1.sum列和mean列分别为三个连续值（从当前值向前推两个，共计三个值）的求和/求平均值

2.mean列和mean1列区别在于：前者NaN值有2个，后者只有1个

简单了解后，我们补充相对复杂的解释：

DataFrame.rolling(window, min_periods=None, freq=None, center=False, win_type=None, on=None, axis=0, closed=None)

逐个介绍参数值：

1） window：表示时间窗的大小，通常为int，数值表示计算统计量的观测值的数量即向前几个数据，见上面例子中rolling(3)

2）min_periods：最少需要有值的观测点的数量，对于int类型，默认与window相等。若调整，则一般小于window值，见上面例子rolling(3,min_periods=2)

3）freq：从0.18版本中已经被舍弃。

4）center：是否使用window的中间值作为label，默认为false。只能在window是int时使用。让我们举例说明，如下截图所示，

大家看出不一样了吗？

没有看出来，我们再次举例，见截图如下：

这次大家应该看出来，center=True 的设定，会使得三个连续值（从当前值向前向后各推1个，共计3个值）求平均值

5）win_type：默认为None，一般不特殊指定

6）on：对于多列FrameData，用on来指定使用哪列（举例data.test，已经指定了）

7）closed：定义区间的开闭，即默认为right

8）axis：0--行，1---列

好了，希望能够给大家带来帮助，谢谢阅读。

Pandas时间序列：rolling 用法快速理解相关推荐

使用Pandas的rolling函数计算滚动平均值（rolling average with Pandas rolling）、seaborn使用lineplot函数可视化时间序列数据、并添加滚动平均值
使用Pandas的rolling函数计算滚动平均值(rolling average with Pandas rolling).seaborn使用lineplot函数可视化时间序列数据(time ser ...
快速理解Spark Dataset
1. 前言 RDD.DataFrame.Dataset是Spark三个最重要的概念,RDD和DataFrame两个概念出现的比较早,Dataset相对出现的较晚(1.6版本开始出现),有些开发人员对此 ...
EduCoder Pandas高效化运算与时间序列处理第3关：Pandas时间序列的高级应用
文章目录任务描述相关知识时间频率与偏移量重新取样.迁移和窗口重新取样时间迁移移动时间窗口编程要求测试说明任务描述根据相关知识完成下列任务: 求上个季度(仅含工作日)的平均值: 求 ...
pandas dataframe rolling 移动计算
rolling()用法 rolling()方法主要用于移动运算,什么叫移动运算哪?最简单的理解就是,比如商品的销售来说,想知道A商品每7天每1个月的销售数量,这个时候用rolling()方法就可以轻松 ...
Pandas 时间序列 - DateOffset 对象
点击上方"Python爬虫与数据挖掘",进行关注回复"书籍"即可获赠Python从入门到进阶共10本电子书今日鸡汤国亡身殒今何有,只留离骚在世间. ...
Pandas 时间序列 - 实例方法与重采样
呆鸟云:"数据分析就像是夜里行军,业务是灯塔,是地图,没灯塔你不知道方向,没地图你不知道该怎么走.技术是你的交通工具,你用11路,还是骑自行车,还是开跑车,交通工具越好,你实现目标的速度越快 ...
Pandas时间序列数据处理和datetime模块详细教程
时间序列分析中,常常需要处理时间相关数据,故参考<Python for Data Analysis>总结了Python和Pandas常用的时间序列数据处理的相关操作,并在 Python3. ...
快速理解高性能HTTP服务端的负载均衡技术原理
1.前言在一个典型的高并发.大用户量的Web互联网系统的架构设计中,对HTTP集群的负载均衡设计是作为高性能系统优化环节中必不可少的方案.HTTP负载均衡的本质上是将Web用户流量进行均衡减压,因此 ...
《Metasploit渗透测试手册》—第3章3.2节Exploit用法快速提示
本节书摘来自异步社区<Metasploit渗透测试手册>一书中的第3章3.2节Exploit用法快速提示,作者[印度]Abhinav Singh,更多章节内容可以访问云栖社区"异 ...

Pandas时间序列：rolling 用法快速理解

Pandas时间序列：rolling 用法快速理解相关推荐

最新文章

热门文章

Pandas时间序列 ：rolling 用法快速理解

Pandas时间序列 ：rolling 用法快速理解相关推荐

最新文章

热门文章

Pandas时间序列：rolling 用法快速理解

Pandas时间序列：rolling 用法快速理解相关推荐