python时间序列分析（一）

用pandas中的rolling函数计算时间窗口数据

pandas.DataFrame.rolling参数详解

pandas中提供了pandas.DataFrame.rolling这个函数来实现滑动窗口值计算，下面是这个函数的原型：

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

window： 也可以省略不写。表示时间窗的大小，注意有两种形式（int or offset）。如果使用int，则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，表示时间窗的大小。

min_periods： 每个窗口最少包含的观测值数量，小于这个值的窗口结果为NA。值可以是int，默认None。offset情况下，默认为1。
center: 把窗口的标签设置为居中。布尔型，默认False，居右
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。值为列名。
axis: int、字符串，默认为0，即对列进行计算
closed： 定义区间的开闭，支持int类型的window。对于offset类型默认是左开右闭的即默认为right。可以根据情况指定为left both等。
通过代码看效果：
首先看下数据结构类型：

import pandas as pd
import matplotlib as mpl
from matplotlib import pyplot as plt

#解决中文
mpl.rcParams['font.sans-serif']=['SimHei'] 
data=pd.read_csv('platVolume.csv')
data.index=pd.to_datetime(data['date']) #数据类型转成时间类型，赋值给索引
data1=data[data['wdzjPlatId']==59] #取出公司为59的数据
data1['amount'].rolling(window=50,min_periods=20).mean().plot(label='五十日均线').legend()  #取出amount成交量数据，窗口设为50，label是为legend图列设置的。
data1['amount'].rolling(window=50,min_periods=1).mean().plot(label='五十日均线').legend()  #取出amount成交量数据，窗口设为1，label是为legend图列设置的。
plt.xlabel('X轴')
plt.ylabel('Y轴')

由图中可以看出，min_periods=20时，前面有空白的地方，是因为前20为空，取不到，当min_periods=1时，前面就不会有空白的地方，因为最小区域设为1，当值小于窗口五十，但最小区域值是一，所以小于五十的数字就会以当前个数为数量就平均值给予赋值。
成交量与均线图交互分析

  data1['amount'].rolling(window=50,min_periods=1).mean().plot(label='五十日均线').legend()  #取出amount成交量数据，窗口设为1，label是为legend图列设置的
    data1['amount'].plot(label='2016下半年到2017上半年成交量').legend()
    plt.xlabel('X轴')
    plt.ylabel('Y轴')