图解pandas的窗口函数rolling

本片文章主要参考了该作者的图和内容：

原文链接： 图解pandas的窗口函数rolling-腾讯云开发者社区-腾讯云

1.创建数据

import numpy as np
import pandas as pd
data = pd.DataFrame({"col1": np.arange(10)})
data

 数据如下

rolling参数 

DataFrame.rolling(window, min_periods=None, center=False, win_type=None, on=None, axis=0, closed=None)

• window：表示时间窗口的大小；可省略不写。两种形式：int和offset。如果使用int，数值表示计算统计量的观测值的数量即向前几个数据。如果是offset类型，表示时间窗口的大小
• min_periods：每个窗口内最少包含的观测值的数量，如果小于这个值的窗口，则结果为NA。值可以是int，默认None。offset情况下，默认为1。offset类型是专门针对时间类型
• center: 把窗口的标签设置为居中。布尔类型，默认False，向右对齐。
• win_type：窗口的类型。截取窗的各种函数。字符串类型，默认为None。
• on：可选参数；对于dataframe而言，指定要计算滚动窗口的列，值可以是dataframe中的列名。
• axis：int或者字符串；如果是0或者index，则按照行进行计算，如果是1或者columns，则按照列进行计算。默认是0，即对列进行计算
• closed：用于定义区间的开闭，支持int类型的窗口window。对于offset类型默认是左开右闭，即默认为right，也可以根据具体的情况指定为left，both等

 一般在使用了移动窗口函数rolling之后，我们需要配合使用相关的统计函数，比如sum、mean、max等。使用最多的是mean函数，生成移动平均值。下面汇总了常用的统计相关函数：

方法	描述
count()	统计非空数量
sum()	求和
mean()	求均值
median()	求中位数
min()	最小值
max()	最大值
std()	求标准差
var()	有偏方差
skew()	偏度
kurt()	峰度
quantile()	求四分位数
apply()	apply函数使用
cov()	无偏方差
corr()	相关系数

window参数

使用N个滑动窗口，计算平均值。

closed参数：

取值可以为right、left、both和neither

官网的详细解释：

• right：窗口中的第一个数据点从计算中删除（excluded）
• left：窗口中的最后一个数据点从计算中删除
• both：不删除或者排除任何数据点
• neither：第一个和最后一个数据点从计算中删除

min_periods参数：

表示的是窗口里面的最小元素数量。min_periods必须小于等于window值，当达到min_periods时就可进行窗口统计计算。

代码如下：

data.rolling(window = 3).mean()   # 求均值，其默认closed = right

#等效于

data.rolling(window = 3, closed="right").mean()

图解就是：

所以实际上window = 3, 需要考虑的是前三个数据加本身的数据点，拿data[1]来说，就是需要考虑的是[Nan,Nan,0,1],但是由于设置closed = right，所以不计算第一个数据点实际是(Nan+0+1) / 3=Nan。（Nan(x),表示不参与计算）

此时要插一句，pandas或者numpy中的np.nan空值与其他数值相乘或者相加都是nan：

所以不难理解closed = left的结果 ：

data.rolling(3, closed="left").mean()  

再来看一下closed = both的结果：

data.rolling(3,closed="both").mean()  

此时计算结果,看几个特殊计算点：

data[2] = (Nan+0+1+2)/3 但是此时窗口数是3，因此可以计算均值

data[3] = (0+1+2+3)/4

再看一个例子：

data.rolling(3,min_periods=2,closed="both").mean()  

看一个特殊计算点其跟原先不变：

data[1] = 0+1/2=0.5

所以总结一下就是：满足min_periods就可以计算，满足窗口大小也可以计算，除数要根据实际计算的数据个数来确定。