Pandas rolling

参数

window、min_period、center、closed、win_type、method、axis

window

对于dataframe，window的用法是输入一个int型或者offset，以下以int类型为例

就是在默认axis=0、center=False时，如果window=n，就从第一行开始，每行取自己和前面n-1个数据，然后这几行就成了一个窗口（window），然后就可以对每个窗口进行一些像sum、mean的操作，比如先建立这样一个dataframe

df = pd.DataFrame({'A': [1, 2, 3, 4, 5], 'B': [2, 3, 4, 5, 6], 'C':[3, 4, 5, 6, 7], 'D': [4, 5, 6, 7, 8], 'E': [5, 6, 7, 8, 9]})

   A  B  C  D  E
0  1  2  3  4  5
1  2  3  4  5  6
2  3  4  5  6  7
3  4  5  6  7  8
4  5  6  7  8  9

然后对他rolling，会返回一个这个

print(df.rolling(window = 1))

Rolling [window=1,center=False,axis=0,method=single]

其中window是必须输入的，像center会默认False，axis默认为0，metho默认single

然后可以对他进行一些操作比如sum，因为window是1，所以就会将0行，1行，2行···单独作为一个窗口，然后让这个窗口的数据进行相加（是以垂直方向的相加），因此得到的结果和原dataframe一样，如下

print(df.rolling(window = 1, min_periods = 1).sum())

     A    B    C    D    E
0  1.0  2.0  3.0  4.0  5.0
1  2.0  3.0  4.0  5.0  6.0
2  3.0  4.0  5.0  6.0  7.0
3  4.0  5.0  6.0  7.0  8.0
4  5.0  6.0  7.0  8.0  9.0

但如果window是2，因为min_periods默认和window一致，那么会将0行和0行前面那一行作为一个窗口，1行和0行作为一个窗口，2行和1行作为一个窗口···又因为0行前面那一行不存在，所以第一个窗口sum时就会得到NaN，然后存在0行，而第二个窗口1行和0行相加得到3，5，7，9，11，就存在1行，以此类推，如下

print(df.rolling(window = 2).sum())

0  NaN   NaN   NaN   NaN   NaN
1  3.0   5.0   7.0   9.0  11.0
2  5.0   7.0   9.0  11.0  13.0
3  7.0   9.0  11.0  13.0  15.0
4  9.0  11.0  13.0  15.0  17.0

同理，window=3时，因为第一个窗口和第二个窗口都存在没有的行（就是第一个窗口是0行和0行前面那两行，然后只有0行存在），所以得到的结果0行和1行都是NaN

print(df.rolling(window = 3).sum())

      A     B     C     D     E
0   NaN   NaN   NaN   NaN   NaN
1   NaN   NaN   NaN   NaN   NaN
2   6.0   9.0  12.0  15.0  18.0
3   9.0  12.0  15.0  18.0  21.0
4  12.0  15.0  18.0  21.0  24.0

min_periods

这个参数是指一个窗口内的统计数据的数量，并且默认和window一样大，自己输入的话，是不允许输入大于window的数的

比如window=3时输入min_periods=1，那么他一行一行组成窗口时，就不会把不存在的行算进去，

还是原来那个dataframe，例如有

print(df.rolling(window = 3, min_periods = 1).sum())

因为min_periods是1，就是组成窗口下限是1行，就会从0行开始依次组成窗口长度3的窗口，但是发现0行前面没行了，然后又发现min_periods=1，那就干脆就找一行吧，他就只让0行自己组成了窗口，然后进了1行，发现1行前面只有0行，还是组不成3行的窗口长度，因为min_periods=1，就干脆把这两行组成一个窗口···结果如下

     A     B     C     D     E
0   1.0   2.0   3.0   4.0   5.0
1   3.0   5.0   7.0   9.0  11.0
2   6.0   9.0  12.0  15.0  18.0
3   9.0  12.0  15.0  18.0  21.0
4  12.0  15.0  18.0  21.0  24.0

要是mean操作的话，也只会对第一个窗口按一行求均值，而不会按三行，如下

print(df.rolling(window = 3, min_periods = 1).mean())

     A    B    C    D    E
0  1.0  2.0  3.0  4.0  5.0
1  1.5  2.5  3.5  4.5  5.5
2  2.0  3.0  4.0  5.0  6.0
3  3.0  4.0  5.0  6.0  7.0
4  4.0  5.0  6.0  7.0  8.0

以A列为例，0行就是1/1，1行结果是（1+3）/2

center

以上都是把自己这一行和前面的行组成一个窗口，如果输入center=True，那么会以自己这一行为中心，与前后行共同组成一个窗口

比如

print(df.rolling(window = 3, min_periods = 3, center = True).sum())

结果就是

      A     B     C     D     E
0   NaN   NaN   NaN   NaN   NaN
1   6.0   9.0  12.0  15.0  18.0
2   9.0  12.0  15.0  18.0  21.0
3  12.0  15.0  18.0  21.0  24.0
4   NaN   NaN   NaN   NaN   NaN

为什么0行和4行都是NaN呢？就是因为center=True，min_periods还等于3，然后组成窗口时，0行就会取自己前面那一行和自己后面那一行来组建窗口，但前面没有行了，所以sum操作时就产生NaN行放在0行上面，而4行为NaN是因为组建窗口时，取3行和自己后面那一行来组建，但自己后面没了，所以也为NaN

axis

默认axis=0，但如果输入axis=1，其实效果无非是由行换成了列，比如还是最开始那个dataframe

有如下操作

print(df.rolling(window = 1, min_periods = 1, axis = 1).sum())
print(df.rolling(window = 2, min_periods = 2, axis = 1).sum())
print(df.rolling(window = 3, min_periods = 2, axis = 1).sum())

结果分别为

     A    B    C    D    E
0  1.0  2.0  3.0  4.0  5.0
1  2.0  3.0  4.0  5.0  6.0
2  3.0  4.0  5.0  6.0  7.0
3  4.0  5.0  6.0  7.0  8.0
4  5.0  6.0  7.0  8.0  9.0
    A     B     C     D     E
0 NaN   3.0   5.0   7.0   9.0
1 NaN   5.0   7.0   9.0  11.0
2 NaN   7.0   9.0  11.0  13.0
3 NaN   9.0  11.0  13.0  15.0
4 NaN  11.0  13.0  15.0  17.0
    A     B     C     D     E
0 NaN   3.0   6.0   9.0  12.0
1 NaN   5.0   9.0  12.0  15.0
2 NaN   7.0  12.0  15.0  18.0
3 NaN   9.0  15.0  18.0  21.0
4 NaN  11.0  18.0  21.0  24.0

对groupby类型

无论是seriesgroupby还是dataframegroupby，都会对每个group分别做rolling，每个group不会干扰，比如

df = pd.DataFrame({'group': list('aabbabbbabab'),
                    'value': [1, 2, 3, np.nan, 2, 3, np.nan, 1, 7, 3, np.nan, 8]})
g1 = df.groupby(['group'])['value']
for i in g1:
    print(i)
print(g1.rolling(2, min_periods = 2).sum())

('a', 0     1.0
1     2.0
4     2.0
8     7.0
10    NaN
Name: value, dtype: float64)
('b', 2     3.0
3     NaN
5     3.0
6     NaN
7     1.0
9     3.0
11    8.0
Name: value, dtype: float64)
group    
a      0      NaN
       1      3.0
       4      4.0
       8      9.0
       10     NaN
b      2      NaN
       3      NaN
       5      NaN
       6      NaN
       7      NaN
       9      4.0
       11    11.0

由于a组0行和b组2行前面都没有行了，但窗口长度和min_periods都是2，所以产生的结果中，a组0行和b组2行都是NaN