python中rolling窗口函数滚动计算一个日期前10天的累计和

已于 2022-12-01 21:38:45 修改
阅读量3.5k 收藏 2
点赞数 1
分类专栏： Python神器 文章标签： python
于 2021-02-22 18:40:37 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/fwj_ntu/article/details/113946819
版权
本文介绍如何在Python中使用rolling窗口函数计算一个日期前10天的累计和。首先强调了高效利用互联网工具检索信息的重要性，接着描述了一个数据分析场景，需要基于每天的数据计算前x天累计值作为特征。解决方案中提到使用时间窗口函数时，数据索引必须为日期类型，并提供了特征工程的思路。文章最后提及相关数据分析资源和福利。
摘要由CSDN通过智能技术生成

论高效利用互联网工具检索信息的重要性。

千万不要小瞧了互联网信息检索工具的使用能力，作为一个半生码农的数据分析师，代码又不是天天写，你总是记不住各种功能的函数名称？可以理解，并且很正常！原谅自己吧～

但如果情况是：同样的问题你描述不清楚，再如此丰富的信息海洋中，无法快速找到解决问题的参考案例。一个简单的问题，在网上搜呀搜，找呀找，耗费大量时间和精力才能找到一篇好帖子作参考最终解决问题。那你还是要担忧一下自己！

  • 背景描述
    想要构建一个特征，基于每天都值去计算距离当期前x天都一个累计值，之所以说是前x天，是因为具体哪个特征比较好，笔者也不清楚，需要试一试呢。

    所以没有在SQL脚本中就把这一步做了，而是做了个到每日的基础特征，再通过python来动态加工生成特征，选取最优的特征。

  • 解决方案

import pandas as pd
data = pd.read_excel("./0222-0228.xlsx',sheet_name='训练用数据"
最低0.47元/天 解锁文章
数据分析师之家
关注
专栏目录
chatgpt赋能python：Python滚动计算:优化数据处理的核心方法
tutan123321的博客
06-23 424
滚动计算又称移动窗口计算，是一种数据处理方法，它通过将数据集分解成一系列的滑动窗口，对每个窗口中的数据进行计算。在每次数据处理时，窗口会向右滑动一定数量的数据点，将窗口内的数据更新为最新的一批数据。通过这种方法，可以避免重复计算和无效的数据处理，提高数据处理的速度和效率。Python的numpy库和pandas库提供了滚动计算的实现方式，使得数据处理更为便捷和高效。本文由chatgpt生成，文章没有在chatgpt生成的基础上进行任何的修改。以上只是chatgpt能力的冰山一角。作为通用的Aigc。
python使用滚动函数rolling()连续选择数据
qq_41721951的博客
02-26 1万+
对于二维数组，有时候需要类似于滑动窗口连续滚动选择数据，本文使用rolling()函数滚动选择数据。 # -*- coding: utf-8 -*- import pandas as pd import numpy as np # 设置一个初始数据框 df1 = [1,2,3,4,5] df2 = [2,3,4,5,6] df3 = [3,4,5,6,7] df4 = [4,5,6,7,8] df = pd.DataFrame({'a':list(df1),'b':list(df2),'c':list(d
python中rolling相关函数的应用
weixin_46713695的博客
08-22 1447
python中rolling相关函数的应用
python学习——使用numpy实现rolling函数
m0_37876745的博客
06-02 985
其实就是利用了，np.lib.stride_tricks.sliding_window_view函数。当然还有一些更高级的卷积运算的方式，如下所示，但是其实真的不如上面那个函数直观。这个头文件看起来很奇怪，但是其实里面有不少比较有实用价值的函数，反正我感觉没有很好理解。
rolling()函数
Romaga的博客
06-12 2486
rolling函数的基本使用
独家 | 手把手教你用Python进行时间序列分解和预测
数据派THU
12-16 1414
作者：Mohit Sharma翻译：王闯（Chuck)校对：王可汗本文约4100字，建议阅读10+分钟本文介绍了用Python进行时间序列分解的不同方法，以及如何在Python中进行时间...
Python数据分析笔记
01-06 1万+
第一章 NumPy基础：数组和矢量计算 1.Numerical Python是高性能科学计算和数据分析的基础包。它提供了一个具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组ndarray；用于对整组数据进行快速运算的标准数学函数（无需编写循环）；用于读写磁盘数据的工具以及用于操作内存映射文件的工具；线性代数、随机数生成以及傅里叶变换功能；用于集成由C、C++、Fortran等语言编写的代
基于python计算滚动方差(标准差)talib和pd.rolling函数差异详解
09-16
主要介绍了基于python计算滚动方差(标准差)talib和pd.rolling函数差异详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
python pandas移动窗口函数rolling的用法
09-17
今天小编就为大家分享一篇python pandas移动窗口函数rolling的用法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
python 实现rolling和apply函数的向下取值操作
09-16
主要介绍了python 实现rolling和apply函数的向下取值操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
pandas金融数据处理
weixin_49487589的博客
03-29 923
51.使用绝对路径读取本地Excel数据 import numpy as np import pandas as pd data = pd.read_excel('/Users/baji/Desktop/600000.SH.xls') 52.查看数据前三行 data.head(3) 53.查看每列数据缺失值情况 data.isnull().sum() 54.提取日期列含有空值的行 data[data['日期'].isnull()] 55.输出每列缺失值具体行数 for columname
滚动函数
dengpenglv1161的博客
09-09 351
1 <script language="javascript" type="text/javascript"> 2 window.onload=function(){ 3 var o=document.getElementById('box'); 4 var o2=document.getElementById('box2'); 5 ...
chatgpt赋能python：Python计算滚动率的终极指南
aijinglingchat的博客
06-27 341
本文由chatgpt生成，文章没有在chatgpt生成的基础上进行任何的修改。以上只是chatgpt能力的冰山一角。作为通用的Aigc大模型，只是展现它原本的实力。对于颠覆工作方式的ChatGPT，应该选择拥抱而不是抗拒，未来属于“会用”AI的人。🧡AI职场汇报智能办公文案写作效率提升教程 🧡专注于AI+职场+办公方向。下图是课程的整体大纲下图是AI职场汇报智能办公文案写作效率提升教程中用到的ai工具。
Python3:pandas中的移动窗口函数rolling的用法
热门推荐
pantingd的博客
08-16 1万+
1.rolling.count() rolling.count():窗口内任何非NaN观测值的滚动计数。 import pandas as pd import numpy as np s = pd.Series([2, 3, np.nan, 10,3,4,6,9]) s1 = s.rolling(4).count() print(s1) [OUT]: 0 1.0 1 2.0 2 2.0 3 3.0 4 3.0 5 3.0 6 4.0 7 4.0 dtype:
Python数据分析必备：Pandas中rolling方法的完全指南
weixin_68789096的博客
01-23 3063
除了内置的滚动函数，还可以使用apply方法来应用自定义函数进行滚动计算。能够执行任何你需要的操作。# 创建示例数据框# 创建rolling对象并应用自定义函数自定义函数可以根据具体需求执行各种滚动计算。下面是两个示例函数，分别用于计算滚动差值和百分比变化。计算滚动差值# 创建示例数据框# 创建rolling对象并应用自定义函数在这个示例中，使用diff方法来计算差值，然后将其应用到rolling对象上。计算滚动百分比变化# 创建示例数据框# 创建rolling对象并应用自定义函数。
python 中rolling函数
最新发布
09-18
在Python的pandas库中，`rolling`函数是一个非常强大的工具，它用于创建一个“滑动窗口”视图，让你能够在序列数据上进行局部计算，比如求均值、求和、移动最小值等。这在金融分析、时间序列数据处理等领域特别有用。 `rolling`函数的基本语法如下： ```python df.rolling(window, min_periods=None, center=False, win_type=None, on=None, axis=0, closed='right', pad=False) ``` - `window`: 需要滑动的窗口大小，即多少个连续的单元格一起参与计算。 - `min_periods`: 窗口内至少包含多少个有效值才能进行计算，默认为1。 - `center`: 如果True，窗口中心位于当前索引，而不是左边缘；默认False，窗口左边缘位于当前索引。 - `win_type`: 提供窗口形状的函数，如'static'（固定窗口），'triang'（三角形窗）等，可以自定义窗口形状。 - `on`: 如果数据是按某列分组，那么指明哪一列是进行窗口计算的依据。 - `axis`: 通常设置为0表示沿行（默认）滚动，轴1表示沿列滚动。 - `closed`, `pad`: 控制窗口边缘的行为，`closed='right'`意味着包括右边界，`pad=True`则在窗口左侧填充NaNs。 举个例子，如果你有一个时间序列数据的DataFrame，想计算每5天的平均值，可以这样操作： ```python df['rolling_average'] = df['column_name'].rolling(window=5).mean() ``` 这将返回一个新的列，每一项都是基于前5天数据的平均值。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值