第一章 pandas基础-学习笔记

第一章 pandas基础

# 首先要导入对应的模块
import pandas as pd
import numpy as np

一、文件的读取和写入

1、常见文件类型读取方法

读取之前先了解常用的对应参数：
1.header=None：表示第一行不作为列名；
2.index_col：表示把某一列或几列作为索引；
3.usecols：表示读取列的集合，默认读取所有的列；
4.parse_dates：表示需要转化为时间的列；
5.nrows：表示读取的数据行数。

以下格式读取都适用，根据你的业务需求读取

①、读取Excel格式

# 引号里面是对应的文件路径，如果路径有中文，必须加上r
# 使用了第一行不作为列名，列明字段就变了，后续对应的字段就不能同时，可看csv、txt读取后续操作
# eg:header=None适用于原表没有表头的情况
df_excel = pd.read_excel('data/my_excel.xlsx',header=None)
df_excel

	0	1	2	3	4
0	col1	col2	col3	col4	col5
1	2	a	1.4	apple	2020/1/1
2	3	b	3.4	banana	2020/1/2
3	6	c	2.5	orange	2020/1/5
4	5	d	3.2	lemon	2020/1/7

②、读取csv格式

# 适用于宽表中只取所需的几列形成新的表进行后续操作
df_csv = pd.read_csv('data/my_csv.csv',index_col=['col1', 'col2'],usecols=['col1','col2'])
df_csv

col1	col2
2	a
3	b
6	c
5	d

③、读取txt格式

# 转化成时间列可做时序分析等，nrows作用于看表结构，跟pd_txt.head(2)异曲同工
df_txt = pd.read_table('data/my_table.txt',parse_dates=['col4'],nrows=2)
df_txt

	col1	col2	col3	col4
0	2	a	1.4	apple 2020/1/1
1	3	b	3.4	banana 2020/1/2

# 如果碰上txt文件有分隔符的时候，用分割参数sep
#一般文件路径包含中文时，需要设置engine = ‘python’
pd.read_table('data/my_table_special_sep.txt')

	col1 |||| col2
0	TS |||| This is an apple.
1	GQ |||| My name is Bob.
2	WT |||| Well done!
3	PT |||| May I help you?

pd.read_table('data/my_table_special_sep.txt',sep='\|\|\|\|',engine='python')
# sep参数使用的是正则表达式，需要转义字符\将|识别

	col1	col2
0	TS	This is an apple.
1	GQ	My name is Bob.
2	WT	Well done!
3	PT	May I help you?

2、常见数据写入方法

df_excel.to_excel('data/my_excel_saved.xlsx',index = False)
df_csv.to_csv('data/my_csv_saved.csv', index=False)
# index = False 去除不必要的索引值，路径也可以根据自己需要保存在对应的位置
df_csv.to_csv('data/my_csv_saved.txt',sep='\t', index=False)
#txt 存入也是用to_csv,只是需要分隔符，这个可自定义，这里是用制表符分割

为什么要转化markdown语言，主要是为了方便保存，且易于转成其他格式，比如PDF，也能方便出版打印和交流传播
to_markdown: 表格转换为markdown语言
to_latex:可表格转换为to_latex语言
没有安装安装tabulate包，要先pip install tabulate i- https://pypi.tuna.tsinghua.edu.cn/simple

print(df_csv.to_markdown())

|:---------|
| (2, 'a') |
| (3, 'b') |
| (6, 'c') |
| (5, 'd') |

print(df_csv.to_latex())

\begin{tabular}{ll}
\toprule
  &   \\
col1 & col2 \\
\midrule
2 & a \\
3 & b \\
6 & c \\
5 & d \\
\bottomrule
\end{tabular}

二、基本数据结构

pandas有两种基本数据存储结构：

①存储一维values的Series

②存储二维values的DataFrame

这两种结构上定义了很多的属性和方法。

1、Series

Series组成部分：
①序列的值data（默认为空，也可以自定义）
②索引index
③存储类型dtype
④序列的名字 name

# 创建一个series
s = pd.Series(data = [100, 'a', {'dic1':5}],
              index = pd.Index(['id1', 20, 'third'], name='my_idx'),
              dtype = 'object',
              name = 'my_name')
s

my_idx
id1              100
20                 a
third    {'dic1': 5}
Name: my_name, dtype: object

【NOTE】object类型
object代表了一种混合类型，可存储整数、字符串、Python字典数据结构等。
此外，pandas是把纯字符串序列也默认认为是一种object类型的序列，但它也可以用string类型存储。

对于这些属性，可以通过 . 的方式来获取：

s.values

array([100, 'a', {'dic1': 5}], dtype=object)

s.index

Index(['id1', 20, 'third'], dtype='object', name='my_idx')

s.dtype

dtype('O')

s.name

'my_name'

s.shape # 获取序列长度

(3,)

2. DataFrame

DataFrame的结构：在Series的基础上增加了列索引

data = [[1, 'a', 1.2], [2, 'b', 2.2], [3, 'c', 3.2]]
df = pd.DataFrame(data = data,
                  index = ['row_%d'%i for i in range(3)],
                  columns=['col_0', 'col_1', 'col_2'])
df

	col_0	col_1	col_2
row_0	1	a	1.2
row_1	2	b	2.2
row_2	3	c	3.2

常用方法一般会从列索引名到数据的映射来构造数据框，同时再加上行索引

df = pd.DataFrame(data = {'col_0': [1,2,3],
                          'col_1':list('abc'),
                          'col_2': [1.2, 2.2, 3.2]},
                  index = ['row_%d'%i for i in range(3)])
df

	col_0	col_1	col_2
row_0	1	a	1.2
row_1	2	b	2.2
row_2	3	c	3.2

由于这种映射关系
用[col_name]与[col_list]来取出相应的列→Series
用[col_name]与[col_list]取多个列→DataFrame

df['col_0']

row_0    1
row_1    2
row_2    3
Name: col_0, dtype: int64

df[['col_0','col_1']]

	col_0	col_1
row_0	1	a
row_1	2	b
row_2	3	c

与Series类似，在数据框中同样可以取出相应的属性：

df.values

array([[1, 'a', 1.2],
       [2, 'b', 2.2],
       [3, 'c', 3.2]], dtype=object)

df.index

Index(['row_0', 'row_1', 'row_2'], dtype='object')

df.columns

Index(['col_0', 'col_1', 'col_2'], dtype='object')

df.shape

(3, 3)

通过.T可以把DataFrame进行转置：

df.T

	row_0	row_1	row_2
col_0	1	2	3
col_1	a	b	c
col_2	1.2	2.2	3.2

三、常用基本函数

df = pd.read_csv('data/learn_pandas.csv')
df.columns

Index(['School', 'Grade', 'Name', 'Gender', 'Height', 'Weight', 'Transfer',
       'Test_Number', 'Test_Date', 'Time_Record'],
      dtype='object')

上述列名依次代表学校、年级、姓名、性别、身高、体重、是否为转系生、体测场次、测试时间、1000米成绩

# 如果只想要取前7列，可以用切片
df = df[df.columns[:7]]

1、汇总函数

head, tail函数分别表示返回表或者序列的前n行和后n行，其中n默认为5：

df.head(3)

	School	Grade	Name	Gender	Height	Weight	Transfer
0	Shanghai Jiao Tong University	Freshman	Gaopeng Yang	Female	158.9	46.0	N
1	Peking University	Freshman	Changqiang You	Male	166.5	70.0	N
2	Shanghai Jiao Tong University	Senior	Mei Sun	Male	188.9	89.0	N

df.tail(3)

	School	Grade	Name	Gender	Height	Weight	Transfer
197	Shanghai Jiao Tong University	Senior	Chengqiang Chu	Female	153.9	45.0	N
198	Shanghai Jiao Tong University	Senior	Chengmei Shen	Male	175.3	71.0	N
199	Tsinghua University	Sophomore	Chunpeng Lv	Male	155.7	51.0	N

info, describe分别返回表的信息概况和表中数值列对应的主要统计量 ：
如果想要对一份数据集进行全面且有效的观察，特别是在列较多的情况下，推荐使用pandas-profiling包
数据清洗的时候可以看出哪些列是脏数据，需要清洗

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 200 entries, 0 to 199
Data columns (total 7 columns):
 #   Column    Non-Null Count  Dtype  
---  ------    --------------  -----  
 0   School    200 non-null    object 
 1   Grade     200 non-null    object 
 2   Name      200 non-null    object 
 3   Gender    200 non-null    object 
 4   Height    183 non-null    float64
 5   Weight    189 non-null    float64
 6   Transfer  188 non-null    object 
dtypes: float64(2), object(5)
memory usage: 11.1+ KB

df.describe()

	Height	Weight
count	183.000000	189.000000
mean	163.218033	55.015873
std	8.608879	12.824294
min	145.400000	34.000000
25%	157.150000	46.000000
50%	161.900000	51.000000
75%	167.500000	65.000000
max	193.900000	89.000000

2. 特征统计函数

在Series和DataFrame上定义了许多统计函数：
sum, mean, median, var, std, max, min等

df_demo = df[['Height','Weight']]
df_demo.mean()

Height    163.218033
Weight     55.015873
dtype: float64

df_demo.max()

Height    193.9
Weight     89.0
dtype: float64

quantile, count, idxmax这三个函数，它们分别返回的是分位数、非缺失值个数、最大值对应的索引

df_demo.quantile(0.75)# 四分之三分位数

Height    167.5
Weight     65.0
Name: 0.75, dtype: float64

df_demo.count()

Height    183
Weight    189
dtype: int64

df_demo.idxmax()# idxmin是最大值对应的索引

Height    193
Weight      2
dtype: int64

上面这些所有的函数，由于操作后返回的是标量，所以又称为聚合函数，它们有一个公共参数axis，默认为0代表逐列聚合，如果设置为1则表示逐行聚合：

df_demo.mean(axis=1).head()#在这个数据集上体重和身高的均值并没有意义

0    102.45
1    118.25
2    138.95
3     41.00
4    124.00
dtype: float64

3. 唯一值函数

对序列使用unique和nunique可以分别得到其唯一值组成的列表和唯一值的个数：

df['School'].unique()

array(['Shanghai Jiao Tong University', 'Peking University',
       'Fudan University', 'Tsinghua University'], dtype=object)

df['School'].nunique()

4

value_counts可以得到唯一值和其对应出现的频数：

df['School'].value_counts()

Tsinghua University              69
Shanghai Jiao Tong University    57
Fudan University                 40
Peking University                34
Name: School, dtype: int64

如果想要观察多个列组合的唯一值，可以使用drop_duplicates。

其中的关键参数是keep，默认值first表示每个组合保留第一次出现的所在行，last表示保留最后一次出现的所在行，False表示把所有重复组合所在的行剔除。

df_demo = df[['Gender','Transfer','Name']]
df_demo.drop_duplicates(['Gender', 'Transfer'])

	Gender	Transfer	Name
0	Female	N	Gaopeng Yang
1	Male	N	Changqiang You
12	Female	NaN	Peng You
21	Male	NaN	Xiaopeng Shen
36	Male	Y	Xiaojuan Qin
43	Female	Y	Gaoli Feng

df_demo.drop_duplicates(['Gender', 'Transfer'], keep='last')

	Gender	Transfer	Name
147	Male	NaN	Juan You
150	Male	Y	Chengpeng You
169	Female	Y	Chengquan Qin
194	Female	NaN	Yanmei Qian
197	Female	N	Chengqiang Chu
199	Male	N	Chunpeng Lv

df_demo.drop_duplicates(['Name', 'Gender'], keep=False).head() 
# 保留只出现过一次的性别和姓名组合

	Gender	Transfer	Name
0	Female	N	Gaopeng Yang
1	Male	N	Changqiang You
2	Male	N	Mei Sun
4	Male	N	Gaojuan You
5	Female	N	Xiaoli Qian

df['School'].drop_duplicates() # 在Series上也可以使用

0    Shanghai Jiao Tong University
1                Peking University
3                 Fudan University
5              Tsinghua University
Name: School, dtype: object

此外，duplicated和drop_duplicates的功能类似
但前者返回了是否为唯一值的布尔列表，其keep参数与后者一致。
其返回的序列，把重复元素设为True，否则为False。
drop_duplicates等价于把duplicated为True的对应行剔除。

df_demo.duplicated(['Gender', 'Transfer']).head()

0    False
1    False
2     True
3     True
4     True
dtype: bool

df['School'].duplicated().head() 
# 在Series上也可以使用

0    False
1    False
2     True
3    False
4     True
Name: School, dtype: bool

4. 替换函数

替换操作是针对某一个列进行的，因此下面的例子都以Series举例。
pandas中的替换函数可以归纳为三类：
映射替换、逻辑替换、数值替换
映射替换包含replace方法,在replace中，可以通过字典构造，或者传入两个列表来进行替换.

# 第一种 ，通过字典构造
df['Gender'].replace({'Female':0,'Male':1}).head()

0    0
1    1
2    1
3    0
4    1
Name: Gender, dtype: int64

# 第二种，传入两个列表来进行替换
df['Gender'].replace(['Female','Male'],[0,1]).head()

0    0
1    1
2    1
3    0
4    1
Name: Gender, dtype: int64

另外，replace还有一种特殊的方向替换，指定method参数为ffill则为用前面一个最近的未被替换的值进行替换，bfill则使用后面最近的未被替换的值进行替换。

s = pd.Series(['a', 1, 'b', 2, 1, 1, 'a'])
s

0    a
1    1
2    b
3    2
4    1
5    1
6    a
dtype: object

s.replace([1,2],method='ffill')
# 用前面一个值替换,识别到对应需要替换的值，就会取它前一个值作为替换值

0    a
1    a
2    b
3    b
4    b
5    b
6    a
dtype: object

s.replace([1, 2], method='bfill')# 同理，取后面的值作为替换值

0    a
1    b
2    b
3    a
4    a
5    a
6    a
dtype: object

【WARNING】正则替换请使用str.replace

虽然对于replace而言可以使用正则替换，但是当前版本下对于string类型的正则替换还存在bug，因此如有此需求，请选择str.replace进行替换操作。

逻辑替换也频繁被用到，常见函数：
where和mask
where函数在传入条件为False的对应行进行替换
mask在传入条件为True的对应行进行替换，当不指定替换值时，替换为缺失值。

s = pd.Series([-1, 1.2345, 100, -50])
s

0     -1.0000
1      1.2345
2    100.0000
3    -50.0000
dtype: float64

# s>0就替换为缺失值
s.where(s<0)

0    -1.0
1     NaN
2     NaN
3   -50.0
dtype: float64

# s<0就替换为缺失值
s.mask(s<0)

0         NaN
1      1.2345
2    100.0000
3         NaN
dtype: float64

# s>0,就替换成100
s.where(s<0,100)

0     -1.0
1    100.0
2    100.0
3    -50.0
dtype: float64

# s<0,就替换成-50
s.mask(s<0,-50)

0    -50.0000
1      1.2345
2    100.0000
3    -50.0000
dtype: float64

需要注意的是，mask传入的条件只需是与被调用的Series索引一致的布尔序列即可：

s_condition= pd.Series([True,False,False,True],index=s.index)
s.mask(s_condition, -50)

0    -50.0000
1      1.2345
2    100.0000
3    -50.0000
dtype: float64

数值替换包含了round, abs, clip方法
round→取整
abs→取绝对值
clip→截断

s = pd.Series([-1, 1.2345, 100, -50])
s

0     -1.0000
1      1.2345
2    100.0000
3    -50.0000
dtype: float64

s.round(2)#取整

0     -1.00
1      1.23
2    100.00
3    -50.00
dtype: float64

s.abs()#取绝对值

0      1.0000
1      1.2345
2    100.0000
3     50.0000
dtype: float64

s.clip(0, 2) 
# 前两个数分别表示上下截断边界

0    0.0000
1    1.2345
2    2.0000
3    0.0000
dtype: float64

s.clip(lower=None, upper=None, axis=None, inplace=False, *args, **kwargs)
lower ： float或array_like，默认为None 最小阈值。低于此阈值的所有值都将设置为它。
upper ： float或array_like，默认为None 最大阈值。高于此阈值的所有值都将设置为它。
axis ： int或string轴名称，可选沿给定轴将对象与下部和上部对齐。
inplace ： 布尔值，默认为False是否对数据执行操作。

【练一练】
在 clip 中，超过边界的只能截断为边界值，如果要把超出边界的替换为自定义的值，应当如何做？

s.clip(0, 2).replace({0:5,2:8})

0    5.0000
1    1.2345
2    8.0000
3    5.0000
dtype: float64

5. 排序函数

一为值排序:sort_values
二为索引排序:sort_index
为了演示排序函数,先利用set_index方法把年级和姓名两列作为索引

df_demo = df[['Grade', 'Name', 'Height', 'Weight']].set_index(['Grade','Name'])
df_demo.head()

		Height	Weight
Grade	Name
Freshman	Gaopeng Yang	158.9	46.0
	Changqiang You	166.5	70.0
Senior	Mei Sun	188.9	89.0
Sophomore	Xiaojuan Sun	NaN	41.0
	Gaojuan You	174.0	74.0

# 对身高进行排序，默认参数ascending=True为升序
df_demo.sort_values('Height').head()

		Height	Weight
Grade	Name
Junior	Xiaoli Chu	145.4	34.0
Senior	Gaomei Lv	147.3	34.0
Sophomore	Peng Han	147.8	34.0
Senior	Changli Lv	148.7	41.0
Sophomore	Changjuan You	150.5	40.0

# 从高到底，降序排列
df_demo.sort_values('Height',ascending=False).head()

		Height	Weight
Grade	Name
Senior	Xiaoqiang Qin	193.9	79.0
	Mei Sun	188.9	89.0
	Gaoli Zhao	186.5	83.0
Freshman	Qiang Han	185.3	87.0
Senior	Qiang Zheng	183.9	87.0

#在排序中，可能会遇到多列排序的问题
#比如在体重相同的情况下，对身高进行排序，并且保持身高降序排列，体重升序排列：
df_demo.sort_values(['Weight','Height'],ascending=[True,False]).head()

		Height	Weight
Grade	Name
Sophomore	Peng Han	147.8	34.0
Senior	Gaomei Lv	147.3	34.0
Junior	Xiaoli Chu	145.4	34.0
Sophomore	Qiang Zhou	150.5	36.0
Freshman	Yanqiang Xu	152.4	38.0

索引排序的用法和值排序完全一致，只不过元素的值在索引中，此时需要指定索引层的名字或者层号，用参数level表示。另外，需要注意的是字符串的排列顺序由字母顺序决定。

df_demo.sort_index(level=['Grade','Name'],ascending=[True,False]).head()

		Height	Weight
Grade	Name
Freshman	Yanquan Wang	163.5	55.0
	Yanqiang Xu	152.4	38.0
	Yanqiang Feng	162.3	51.0
	Yanpeng Lv	NaN	65.0
	Yanli Zhang	165.1	52.0

6. apply方法

apply方法常用于DataFrame的行迭代或者列迭代。
apply的参数往往是一个以序列为输入的函数。
例如对于.mean()，使用apply可以如下地写出：

# 常见用法一
df_demo = df[['Height', 'Weight']]
def my_mean(x):
    res = x.mean()
    return res
df_demo.apply(my_mean)

Height    163.218033
Weight     55.015873
dtype: float64

# 匿名函数用法, x就指代被调用的df_demo表中逐个输入的序列
df_demo.apply(lambda x:x.mean())

Height    163.218033
Weight     55.015873
dtype: float64

若指定axis=1，那么每次传入函数的就是行元素组成的Series，其结果与之前的逐行均值结果一致。

df_demo.apply(lambda x:x.mean(),axis=1).head()# 逐行均值,有无意义看业务情景

0    102.45
1    118.25
2    138.95
3     41.00
4    124.00
dtype: float64

这里再举一个例子：mad函数返回的是一个序列中偏离该序列均值的绝对值大小的均值
例如序列1,3,7,10中，均值为5.25，每一个元素偏离的绝对值为4.25,2.25,1.75,4.75，这个偏离序列的均值为3.25。现在利用apply计算升高和体重的mad指标：

# 方法一：用apply实现mad函数，需要知道映射关系
df_demo.apply(lambda x:(x-x.mean()).abs().mean())

Height     6.707229
Weight    10.391870
dtype: float64

# 等同于直接mad函数
df_demo.mad()

Height     6.707229
Weight    10.391870
dtype: float64

【WARNING】谨慎使用apply
得益于传入自定义函数的处理，apply的自由度很高，但这是以性能为代价的。
一般而言，使用pandas的内置函数处理和apply来处理同一个任务，其速度会相差较多，因此只有在确实存在自定义需求的情境下才考虑使用apply。

四、窗口对象

pandas中有3类窗口：
滑动窗口rolling、扩张窗口expanding、指数加权窗口ewm
先讲指数加权窗口

1. 滑窗对象

要使用滑窗函数，就必须先要对一个序列使用.rolling得到滑窗对象，其最重要的参数为窗口大小window（顾名思义就是多少为一周期计算，比如7天移动平均数，windows = 7）。

# 必要步骤先roling,还需设置窗口大小，
s = pd.Series([1,2,3,4,5])
roller = s.rolling(window = 3)
roller

Rolling [window=3,center=False,axis=0]

在得到了滑窗对象后，能够使用相应的聚合函数进行计算，需要注意的是窗口包含当前行所在的元素，例如在第四个位置进行均值运算时，应当计算(2+3+4)/3，而不是(1+2+3)/3：

roller.mean()

0    NaN
1    NaN
2    2.0
3    3.0
4    4.0
dtype: float64

roller.sum()

0     NaN
1     NaN
2     6.0
3     9.0
4    12.0
dtype: float64

对于滑动相关系数或滑动协方差的计算，可以如下写出：

s2 = pd.Series([1,2,6,16,30])
roller.cov(s2)# 相关系数

0     NaN
1     NaN
2     2.5
3     7.0
4    12.0
dtype: float64

roller.corr(s2)# 协方差

0         NaN
1         NaN
2    0.944911
3    0.970725
4    0.995402
dtype: float64

此外，还支持使用apply传入自定义函数，其传入值是对应窗口的Series，例如上述的均值函数可以等效表示：

roller.apply(lambda x:x.mean())

0    NaN
1    NaN
2    2.0
3    3.0
4    4.0
dtype: float64

shift, diff, pct_change是一组类滑窗函数
它们的公共参数为periods=n，默认为1
shift→表示取向前第n个元素的值
diff→与向前第n个元素做差（与Numpy中不同，后者表示n阶差分）
pct_change→与向前第n个元素相比计算增长率。
这里的n可以为负，表示反方向的类似操作。

s = pd.Series([1,3,6,10,15])
s.shift(2)# 取向前第n个元素的值

0    NaN
1    NaN
2    1.0
3    3.0
4    6.0
dtype: float64

s.diff(3)#向前第n个元素做差

0     NaN
1     NaN
2     NaN
3     9.0
4    12.0
dtype: float64

s.pct_change()# 与向前第n个元素相比计算增长率

0         NaN
1    2.000000
2    1.000000
3    0.666667
4    0.500000
dtype: float64

s.shift(-1) # 表示反方向的类似操作

0     3.0
1     6.0
2    10.0
3    15.0
4     NaN
dtype: float64

s.diff(-2)

0   -5.0
1   -7.0
2   -9.0
3    NaN
4    NaN
dtype: float64

将其视作类滑窗函数的原因是，它们的功能可以用窗口大小为n+1的rolling方法等价代替：

# s.shift(2) 等价于下面的方法
s.rolling(3).apply(lambda x:list(x)[0]) 

0    NaN
1    NaN
2    1.0
3    3.0
4    6.0
dtype: float64

# s.diff(3)
s.rolling(4).apply(lambda x:list(x)[-1]-list(x)[0]) 

0     NaN
1     NaN
2     NaN
3     9.0
4    12.0
dtype: float64

# s.pct_change()
def my_pct(x):
     L = list(x)
     return L[-1]/L[0]-1
s.rolling(2).apply(my_pct) 

0         NaN
1    2.000000
2    1.000000
3    0.666667
4    0.500000
dtype: float64

【练一练】
rolling对象的默认窗口方向都是向前的，某些情况下用户需要向后的窗口，例如对1,2,3设定向后窗口为2的sum操作，结果为3,5,NaN，此时应该如何实现向后的滑窗操作？（提示：使用shift）

# 必要步骤先roling,还需设置窗口大小，再sum操作，再向后滑窗n为负数
s = pd.Series([1,2,3])
roller= s.rolling(window = 2)
roller.sum().shift(-1)

0    3.0
1    5.0
2    NaN
dtype: float64

2. 扩张窗口

扩张窗口又称累计窗口，可以理解为一个动态长度的窗口，其窗口的大小就是从序列开始处到具体操作的对应位置，其使用的聚合函数会作用于这些逐步扩张的窗口上。
具体地说，设序列为a1, a2, a3, a4，则其每个位置对应的窗口即[a1]、[a1, a2]、[a1, a2, a3]、[a1, a2, a3, a4]。
适用于：销售累计值，成本花费累计……

s = pd.Series([1, 3, 6, 10])
s.expanding().mean()

0    1.000000
1    2.000000
2    3.333333
3    5.000000
dtype: float64

【练一练】
cummax(前n个数依次求最大值), cumsum(累积连加), cumprod函数(累积连乘)是典型的类扩张窗口函数，请使用expanding对象依次实现它们。

s.cumsum()#累积连加
#  用expandding对象实现
# s.expanding().sum()

0     1
1     4
2    10
3    20
dtype: int64

s.cummax() #前n个数依次求最大值
#  用expandding对象实现
# s.expanding().max()

<bound method Series.cummax of 
0     1
1     3
2     6
3    10
dtype: int64>

s.cumprod()# 累积连乘
#  用expandding对象实现
# s.expanding().prod(),这里报错了（'Expanding' object has no attribute 'prod')，因此不适用这个。
# 另解，我用apply方法
s.expanding().apply(lambda x:x.prod()).astype(np.int64)
# 一定转成float型，不然会报错"Cannot convert the series to class float"

<bound method Series.cumprod of
0     1
1     3
2     18
3    180
dtype: int64>