Pandas —— cum累积计算和rolling滚动计算

Pandas主要统计特征函数：

方法名	函数功能
sum()	计算数据样本的总和（按列计算）
mean()	计算数据样本的算术平均数
var()	计算数据样本的方差
std()	计算数据样本的标准差
corr()	计算数据样本的Spearman（Pearman）相关系数矩阵
cov()	计算数据样本的协方差矩阵
skew()	样本值的偏度（三阶矩）
kurt()	样本值的峰度（四阶矩）
describe()	给出样本的基本描述（基本统计量如均值、标准差等）

---

cum累积计算函数

• cum系列函数是作为DataFrame或Series对象的方法出现的，因此命令格式为D.cumsum()

方法名	函数功能
cumsum()	依次给出前1、2、… 、n个数的和
cumprod()	依次给出前1、2、… 、n个数的积
cummax()	依次给出前1、2、… 、n个数的最大值
cummin()	依次给出前1、2、… 、n个数的最小值

计算出前n项和：

D=pd.Series(range(0,20))
D.cumsum() 
0       0
1       1
2       3
3       6
....
19    190
dtype: int64

---

rolling滚动计算函数

• rolling_系列是pandas的函数，不是DataFrame或Series对象的方法，其格式为pd.rolling_mean(D,k)，其中每k列计算一次平均值，滚动计算。

方法名	函数功能
rolling_sum()	计算数据样本的总和（按列计算）
rolling_mean()	数据样本的算术平均数
rolling_var()	计算数据样本的方差
rolling_std()	计算数据样本的标准差
rolling_corr()	计算数据样本的Spearman（Pearman）相关系数矩阵
rolling_cov()	计算数据样本的协方差矩阵
rolling_skew()	样本值的偏度（三阶矩）
rolling_kurt()	样本值的峰度（四阶矩）

依次对相邻两项求和：

pd.rolling_sum(D,2)
0      NaN    
1      1.0
2      3.0
3      5.0
4      7.0
....
19    37.0
dtype: float64

参考地址：

《利用Python进行数据分析》