Python Pandas移动窗口函数rolling的用法

什么是rolling函数？

rolling函数是Python Pandas的函数之一，用于执行基于滚动窗口的计算操作。它能够在一个类似于移动的小窗口内执行操作，并且自动相对于数据的那个坐标移动。

移动窗口函数可以让我们计算汇总和转换数据的统计量，比如：

• 移动平均值
• 移动标准差
• 移动总和

语法

rolling方法如下语法：

rolling(window=window_size).function()

• window_size：移动窗口的大小，可以是时间单位或者数据数量。
• function()：所需要操作的函数，比如 mean()（平均值）、sum()（总和）、std()（标准差） 等操作。

示例

下面是一个使用 rolling() 的简单示例：

1. 导入Python Pandas库

import pandas as pd
import numpy as np

1. 创建数据帧 DataFrame

df = pd.DataFrame({
    'A':[1,2,3,4,5],
    'B':[5,4,3,2,1],
})

1. 进行 rolling() 计算操作

df.rolling(window=2).sum()

上述操作输出结果为:

     A    B
0  NaN  NaN
1  3.0  9.0
2  5.0  7.0
3  7.0  5.0
4  9.0  3.0

在该示例中，我们创建了一个简单的 DataFrame，并运行了 rolling() 方法来计算每行数据的和。

现在我们来看另一个示例。

1. 导入Python Pandas库

import pandas as pd
import numpy as np

1. 使用numpy生成一组随机数据

np.random.seed(100)
data = pd.Series(np.random.randn(200), index=pd.date_range('1/1/2000', periods=200))

1. 使用rolling函数计算200天的移动平均线

rolling_mean = data.rolling(window=20).mean()

上述操作输出结果为:

2000-01-01         NaN
2000-01-02         NaN
2000-01-03         NaN
2000-01-04         NaN
2000-01-05         NaN
                 ...   
2000-07-15   -0.129525
2000-07-16   -0.082945
2000-07-17   -0.042122
2000-07-18    0.047246
2000-07-19    0.013146
Freq: D, Length: 200, dtype: float64

在这个示例中，我们使用rolling()方法计算了200天的移动平均线，并将结果存储在了一个新的序列中。

通过上面两个示例的演示，我们可以通过rolling()函数很方便地实现数据的转换和统计。