Python3:pandas中的移动窗口函数rolling的用法

1.rolling.count()

rolling.count():窗口内任何非NaN观测值的滚动计数。

import pandas as pd
import numpy as np
s = pd.Series([2, 3, np.nan, 10,3,4,6,9])
s1 = s.rolling(4).count()
print(s1)
[OUT]:
0    1.0
1    2.0
2    2.0
3    3.0
4    3.0
5    3.0
6    4.0
7    4.0
dtype: float64

为了提升数据的准确性，将某个点的取值扩大到包含这个点的一段区间，用区间来进行判断，这个区间就是窗口。移动窗口就是窗口向一端滑行，默认是从右往左，每次滑行并不是区间整块的滑行，而是一个单位一个单位的滑行。上面的例子可以看出，前两个值都是非NAN值，计数为2，第三个值为空，所以加上第三个单位后计数仍未2，依次类推…

2. rolling.sum()

rolling.sum():计算移动窗口的和。

import pandas as pd
import numpy as np
s = pd.Series([2, 3, 4, 10,3,4,6,9])
s1 = s.rolling(5).sum()
print(s1)
[OUT]:
0     NaN
1     NaN
2     NaN
3     NaN
4    22.0
5    24.0
6    27.0
7    32.0
dtype: float64

首先我们设置的窗口window=5，也就是5个数取一个和。index 0,1 ,2,3为NaN，是因为它们前面都不够5个数。等到index4 的时候，它的值是怎么算的呢，index4 = index0+index1+index2+index3+index4
3. rolling.mean():计算移动窗口的均值
4. rolling.median():计算移动窗口的中位数
5. rolling.var()：移动窗口的方差
6. rolling.corr:移动窗口的相关系数
还有方差var,标准差std,协方差cov,最大值max,最小值min等的函数应用方法同上