python pandas 统计特征函数的汇总与用法 -- 累计计算函数与滚动计算函数

最新推荐文章于 2024-02-19 18:51:38 发布

若芷兰

最新推荐文章于 2024-02-19 18:51:38 发布

阅读量4.3k

点赞数 2

CC 4.0 BY-SA版权

分类专栏：笔记文章标签：数据分析

本文链接：https://blog.youkuaiyun.com/weixin_45914452/article/details/116425385

笔记专栏收录该内容

2 篇文章

订阅专栏

本文详细介绍了Python pandas库中用于统计特征的累积计算（cum系列函数）和滚动计算（rolling系列函数）。通过实例展示了如何计算累计和、乘积、最大值和最小值，以及如何进行滚动求和、平均值、方差、标准差等操作。对于滚动计算时出现的Nan值问题，给出了使用`min_periods`参数解决的方案。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Python pandas 的统计特征函数主要包括累积计算函数（cum系列函数）和滚动计算函数（pd.rolling_系列函数)

1. 累积计算统计特征函数

1.1累计函数的种类：

cumsum(): 依次计算前1, 2, …, n 个数的和
cumprod(): 依次计算前1, 2, …, n 个数的乘积
cummax(): 依次找到前1, 2, …, n 个数的最大值
cummin(): 依次找到前1, 2, …, n 个数的最小值

1.2 基本使用方法：

import numpy as np
import pandas as pd
# 1. 累计和与累计乘积
x = pd.Series(range(1, 10))
print("累计和:\n", x.cumsum())
print("累计乘积:\n", x.cumprod())

在这里插入图片描述

# 2. 求累计的最大值与最小值
x = pd.Series([3, 2, 6, 1, 7, 4, 8])
print("输出累计最大值:\n", x.cummax())
print("输出累计最小值:\n", x.cummin())

在这里插入图片描述

2. 滚动计算统计特征函数

2.1 累计函数的种类：

rolling_sum(): 计算数据样本的总和（按列进行计算）
rolling_mean(): 计算数据样本的算术平均值
rolling_var(): 计算数据样本的方差
rolling_std(): 计算数据样本的标准差
rolling_corr(): 计算数据样本的相关系数矩阵(pearson/spearman)
rolling_cov(): 计算数据样本的协方差矩阵
rolling_skew(): 计算数据样本的偏度(三阶矩）
rolling_kurt():计算数据样本的方差(四阶矩）

2.2基本使用方法：

# 1. rolling_滚动函数的基本使用
x = pd.Series(range(1, 10))
print("每相邻2个数据相加的结果:\n", x.rolling(2).sum())
print(30*"-")
print("每相邻3个数据相加的结果:\n", x.rolling(3).sum())

在这里插入图片描述

# 2. DataFrame中的使用：
x = pd.DataFrame([range(1, 10), range(10, 100, 10), range(2, 20, 2)]).T
x.rolling(2).mean()

在这里插入图片描述
小结：发现第1行有“Nan”值，可使用参数min_periods来消除

# 3. 消除滚动计算在第1行产生的"Nan"值
x = pd.DataFrame([range(1, 10), range(10, 100, 10), range(2, 20, 2)]).T
x.rolling(2, min_periods=1).mean()

在这里插入图片描述
这样，第1行存在"Nan"的问题就解决了！