Python数据分析NumPy和pandas(三十九、移动窗口函数)

用于时间序列操作的一类重要的数组转换是在滑动窗口上计算的统计数据和其他函数,或者使用指数衰减的权重进行评估。这对于平滑噪音或间隙数据非常有用。可以称这些为移动窗口函数,他们会自动排除缺失数据。

在学习之前,我们加载一些时间序列数据(stock_px.csv)并将其重新采样为工作日频率:

现在学习 rolling 操作,它的行为类似于 resample 和 groupby,可以在 Series 或 DataFrame 上与窗口一起调用(以周期数表示;创建的绘图见图 11-4):

import pandas as pd
import matplotlib.pyplot as plt

close_px_all = pd.read_csv("examples/stock_px.csv", 
                           parse_dates=True, index_col=0)
close_px = close_px_all[["AAPL", "MSFT", "XOM"]]
close_px = close_px.resample("B").ffill()
close_px["AAPL"].plot()
close_px["AAPL"].rolling(250).mean().plot()

plt.show()

以上代码先加载了stock_px.csv中的数据,选

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

FreedomLeo1

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值