pandas庫之DataFrame滑動窗口的實(shí)現(xiàn)
（1）DataFrame的滑動窗口
提供滑動窗口計(jì)算，可用于時間序列（時間和日期）數(shù)據(jù)
DataFrame.rolling(window, min_periods=None, center=False, win_type=None, on=None, axis=0, closed=None, method='single')
參數(shù)：
window：int, offset, or BaseIndexer subclass
移動窗口的大小，如果是整數(shù)，代表每個窗口覆蓋的固定數(shù)量；如果是offset（pandas時間序列），代表每個窗口的時間段，每個窗口的大小將根據(jù)時間段中包含的觀察值而變化，僅對datetimelike索引有效。
min_periods：int, default None
窗口計(jì)算值要求至少有min_periods個觀測值。窗口由時間類型指定，則min_periods默認(rèn)為1，窗口為整數(shù)，則min_periods默認(rèn)為窗口大小
center：bool, default False
是否將窗口中間索引設(shè)為窗口計(jì)算后的標(biāo)簽
win_type：str, default None
觀測值的權(quán)重分布。如果為None，則所有點(diǎn)的權(quán)重均相等。如果是字符串，要求是 scipy.signal window function函數(shù)
on：str, optional
對于 DataFrame，計(jì)算滾動窗口所依照的列標(biāo)簽或索引級別，而不是 DataFrame 的索引
axis：int or str, default 0
如果是0或’index’，按行滾動；如果是1或’columns’，按列滾動
closed：str, default None
‘right’：窗口中的第一個點(diǎn)將從計(jì)算中排除；‘left‘：窗口中的最后一個點(diǎn)將從計(jì)算中排除；‘both’：窗口中沒有點(diǎn)將從計(jì)算中排除；‘neither’：窗口中的第一個點(diǎn)和最后一個點(diǎn)將從計(jì)算中排除；默認(rèn)’right’
Example
窗口大小為2的求和
>>> import pandas as pd
>>> import numpy as np
>>> df = pd.DataFrame({'B':[0,1,2,np.nan,4]})
>>> df
B
0 0.0
1 1.0
2 2.0
3 NaN
4 4.0
>>> df.rolling(2).sum()
B
0 NaN
1 1.0
2 3.0
3 NaN
4 NaN
窗口為2s的求和
>>> df_time = pd.DataFrame({'B':[0,1,2,np.nan,4]},
index = [
pd.Timestamp('20130101 09:00:00'),
pd.Timestamp('20130101 09:00:02'),
pd.Timestamp('20130101 09:00:03'),
pd.Timestamp('20130101 09:00:05'),
pd.Timestamp('20130101 09:00:06')])
>>> df_time
B
2013-01-01 09:00:00 0.0
2013-01-01 09:00:02 1.0
2013-01-01 09:00:03 2.0
2013-01-01 09:00:05 NaN
2013-01-01 09:00:06 4.0
>>> df_time.rolling('2s').sum()
B
2013-01-01 09:00:00 0.0
2013-01-01 09:00:02 1.0
2013-01-01 09:00:03 3.0
2013-01-01 09:00:05 NaN
2013-01-01 09:00:06 4.0
有 2 個觀測值的前視窗口的滾動求和（a和a+1）
# 設(shè)置前向窗口
>>> indexer = pd.api.indexers.FixedForwardWindowIndexer(window_size=2)
>>> df = pd.DataFrame({'B': [0, 1, 2, np.nan, 4]})
>>> df.rolling(window=indexer,min_periods=1).sum()
B
0 1.0
1 3.0
2 2.0
3 4.0
4 4.0
窗口長度為 2 個觀測值的滾動和，但至少需要 1 個觀測值才可計(jì)算值
>>> df.rolling(2,min_periods=1).sum()
B
0 0.0
1 1.0
2 3.0
3 2.0
4 4.0滾動總和，并將結(jié)果分配到窗口索引的中心
>>> df.rolling(3, min_periods=1, center=True).sum()
B
0 1.0
1 3.0
2 3.0
3 6.0
4 4.0
>>> df.rolling(3, min_periods=1, center=False).sum()
B
0 0.0
1 1.0
2 3.0
3 3.0
4 6.0
高斯分布窗口
>>> df.rolling(2,win_type='gaussian').sum(std=3)
B
0 NaN
1 0.986207
2 2.958621
3 NaN
4 NaN
（2）pandas的窗口操作
窗口由從當(dāng)前觀測值回溯窗口長度組成
>>> import pandas as pd >>> s = pd.Series(range(5)) >>> s 0 0 1 1 2 2 3 3 4 4 dtype: int64 # 5個分區(qū) >>> for window in s.rolling(window=2): print(window) 0 0 dtype: int64 0 0 1 1 dtype: int64 1 1 2 2 dtype: int64 2 2 3 3 dtype: int64 3 3 4 4 dtype: int64
panadas支持4種窗口操作
- Rolling window：值的固定/變動的滑動窗口
- Weighted window：由 scipy.signal 庫提供的加權(quán)非矩形窗口
- Expanding window：值的累積窗口
- Exponentially Weighted window：值的累積和指數(shù)加權(quán)窗
其中滑動窗口支持時間序列的計(jì)算
>>> s = pd.Series(range(5),index = pd.date_range('2020-01-01',periods=5,freq='1D'))
>>> s
2020-01-01 0
2020-01-02 1
2020-01-03 2
2020-01-04 3
2020-01-05 4
Freq: D, dtype: int64
>>> s.rolling(window='2D').sum()
2020-01-01 0.0
2020-01-02 1.0
2020-01-03 3.0
2020-01-04 5.0
2020-01-05 7.0
Freq: D, dtype: float64
部分窗口支持先分組再執(zhí)行窗口操作
>>> df = pd.DataFrame({'A':['a', 'b', 'a', 'b', 'a'],'B':range(5)})
>>> df
A B
0 a 0
1 b 1
2 a 2
3 b 3
4 a 4
>>> df.groupby('A').expanding().sum()
B
A
a 0 0.0
2 2.0
4 6.0
b 1 1.0
3 4.0
Rolling window
>>> times = ['2020-01-01', '2020-01-03', '2020-01-04', '2020-01-05', '2020-01-29']
>>> s = pd.Series(range(5),index = pd.DatetimeIndex(times))
>>> s
2020-01-01 0
2020-01-03 1
2020-01-04 2
2020-01-05 3
2020-01-29 4
dtype: int64
# 兩個觀測值的窗口
>>> s.rolling(2).sum()
2020-01-01 NaN
2020-01-03 1.0
2020-01-04 3.0
2020-01-05 5.0
2020-01-29 7.0
dtype: float64
# 兩天的窗口
>>> s.rolling('2D').sum()
2020-01-01 0.0
2020-01-03 1.0
2020-01-04 3.0
2020-01-05 5.0
2020-01-29 4.0
dtype: float64
Centering windows
窗口計(jì)算后默認(rèn)標(biāo)簽是窗口的最后一個，center可以使中間索引作為標(biāo)簽
>>> s = pd.Series(range(10)) >>> s.rolling(window=5).mean() 0 NaN 1 NaN 2 NaN 3 NaN 4 2.0 5 3.0 6 4.0 7 5.0 8 6.0 9 7.0 dtype: float64 >>> s.rolling(window=5, center=True).mean() 0 NaN 1 NaN 2 2.0 3 3.0 4 4.0 5 5.0 6 6.0 7 7.0 8 NaN 9 NaN dtype: float64
Rolling apply
自定義窗口計(jì)算公式
>>> import numpy as np >>> def mad(x): return np.fabs(x - x.mean()).mean() >>> s = pd.Series(range(10)) >>> s.rolling(window=4).apply(mad, raw=True) 0 NaN 1 NaN 2 NaN 3 1.0 4 1.0 5 1.0 6 1.0 7 1.0 8 1.0 9 1.0 dtype: float64
Weighted window
為窗口中的值添加權(quán)重
>>> s = pd.Series(range(10)) >>> s.rolling(window=5, win_type="gaussian").mean(std=0.1) 0 NaN 1 NaN 2 NaN 3 NaN 4 2.0 5 3.0 6 4.0 7 5.0 8 6.0 9 7.0 dtype: float64
到此這篇關(guān)于pandas庫之DataFrame滑動窗口的實(shí)現(xiàn)的文章就介紹到這了,更多相關(guān)pandas DataFrame滑動窗口內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
python讀取excel指定列數(shù)據(jù)并寫入到新的excel方法
今天小編就為大家分享一篇python讀取excel指定列數(shù)據(jù)并寫入到新的excel方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-07-07
這篇文章主要介紹了Python適配器模式代碼實(shí)現(xiàn)解析,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2019-08-08
這篇文章主要介紹了pandas庫中?DataFrame的用法,利用pandas.DataFrame可以構(gòu)建表格，通過列標(biāo)屬性調(diào)用列對象，本文結(jié)合實(shí)例代碼給大家介紹的非常詳細(xì)，需要的朋友可以參考下2023-05-05
Python爬蟲爬取百度搜索內(nèi)容代碼實(shí)例
這篇文章主要介紹了Python爬蟲爬取百度搜索內(nèi)容代碼實(shí)例,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2020-06-06
python 正則表達(dá)式貪婪模式與非貪婪模式原理、用法實(shí)例分析
這篇文章主要介紹了python 正則表達(dá)式貪婪模式與非貪婪模式原理、用法,結(jié)合實(shí)例形式詳細(xì)分析了python 正則表達(dá)式貪婪模式與非貪婪模式的功能、原理、用法及相關(guān)操作注意事項(xiàng),需要的朋友可以參考下2019-10-10
比較兩個numpy數(shù)組并實(shí)現(xiàn)刪除共有的元素
這篇文章主要介紹了比較兩個numpy數(shù)組并實(shí)現(xiàn)刪除共有的元素,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2024-02-02
python機(jī)器學(xué)習(xí)算法與數(shù)據(jù)降維分析詳解
這篇文章主要為大家介紹了python機(jī)器學(xué)習(xí)算法與數(shù)據(jù)降維的分析詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步2021-11-11
這篇文章主要介紹了python3.7 sys模塊的具體使用，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-07-07
Python設(shè)計(jì)模式編程中Adapter適配器模式的使用實(shí)例
這篇文章主要介紹了Python設(shè)計(jì)模式編程中Adapter適配器模式的使用實(shí)例,一般來說適配器模式可以細(xì)分為類適配器和對象適配器模式,需要的朋友可以參考下2016-03-03
這篇文章主要介紹了Python3.7下安裝pyqt5的方法步驟，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-05-05