pandas中read_csv、rolling、expanding用法详解

在 pandas 中，我们经常需要读取 csv 文件并使用滚动窗口或扩展窗口分析数据。在本文中，我们将详细讲解使用 pandas 中的 read_csv、rolling 和 expanding 方法。

read_csv方法

read_csv 方法是 pandas 中读取 csv 文件的常用方法。它可以将 csv 文件读入一个 DataFrame 对象中。下面是一个例子：

import pandas as pd

df = pd.read_csv('data.csv')

上面的代码读取了名为 data.csv 的文件，并将其存储到了变量 df 中。在实际应用中，我们经常需要使用这个方法来处理数据。

rolling方法

rolling 方法可以使用滚动窗口来计算 DataFrame 中每个元素的聚合值。下面是一个例子：

import pandas as pd

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

print(s)

上面的代码创建了一个 DataFrame 对象，并使用 rolling 方法计算了它的滚动总和。在这个例子中，窗口大小是 2，所以该方法从 DataFrame 中的第一个元素开始，每两个元素计算一次总和。结果如下：

     A
0  NaN
1  3.0
2  5.0
3  7.0
4  9.0

expanding方法

expanding 方法可以使用扩展窗口来计算 DataFrame 中每个元素的聚合值。与 rolling 方法不同的是，expanding 方法的窗口大小是可变的，它从 DataFrame 的第一个元素开始，每个元素计算一次聚合值。下面是一个例子：

import pandas as pd

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

print(s)

上面的代码创建了一个 DataFrame 对象，并使用 expanding 方法计算了它的扩展总和。在这个例子中，该方法从 DataFrame 中的第一个元素开始，计算每个元素的累计总和。结果如下：

     A
0  1.0
1  3.0
2  6.0
3  10.0
4  15.0

示例说明

示例1：计算每周的销售总额

假设我们有一个名为 sales.csv 的文件，其中包含某家公司每天的销售额记录。我们的任务是计算每周的销售总额。首先，我们需要读取文件：

import pandas as pd

df = pd.read_csv('sales.csv')

我们可以使用 rolling 方法来计算每周的销售总额。假设每周有 7 天，我们可以使用以下代码计算每周的销售总额：

weekly_sales = df['sales'].rolling(window=7).sum()

在该代码中，rolling 方法的窗口大小是 7，所以它从 DataFrame 的第一个元素开始，每 7 个元素计算一次总和。最后，我们将每周的销售总额存储在 weekly_sales 变量中。

示例2：计算累计销售额

假设我们有一个名为 sales.csv 的文件，其中包含某家公司每天的销售额记录。我们的任务是计算累计销售额。我们可以使用 expanding 方法来计算累计销售额。以下代码计算了每天的累计销售额：

cumulative_sales = df['sales'].expanding().sum()

在该代码中，我们使用 expanding 方法计算了每天的累计销售额，并将其存储在 cumulative_sales 变量中。