python统计窗口函数_Python数据分析_Pandas06_窗函数

窗函数(window function)经常用在频域信号分析中。我其实不咋个懂，大概是从无限长的信号中截一段出来，然后把这一段做延拓变成一个虚拟的无限长的信号。用来截取的函数就叫窗函数，窗函数又分很多种，什么矩形窗、三角窗、高斯窗。

在scipy.signal中有各种我不懂的实现窗函数的方法。浏览了一下，头疼的紧。

那在pandas中也有实现窗函数的方法：rolling()。我呢就不折腾什么信号处理的东西，用金融数据做个小示例好了。

金融时间序列也是一种时间序列数据，前后次序是固定，多为二维数据。例如要看一只股票的平均移动线，就会用到rolling()。

先介绍一下这个翻滚函数

DataFrame.rolling(window,

min_periods=None,

freq=None,

center=False,

win_type=None,

on=None,

axis=0)

window: 移动窗口的大小。值可以是int(整数值)或offset(偏移)。如果是整数值的话，每个窗口是固定的大小，即包含相同数量的观测值。值为offset(偏移时长,eg:'2s')则指定了每个窗口包含的时间段，每个窗口包含的观测值的数量是不一定的。offset必须在index是时间类型数据时才可以使用。

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。

freq: 弃用。不用管它。

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。上面介绍的，截取窗的各种函数。字符串类型，默认为None。可用的窗口类型有：

boxcar

triang

blackman

hamming

bartlett

parzen

bohman

blackmanharris

nuttall

barthann

kaiser (needs beta)

gaussian (needs std)

general_gaussian (needs power, width)

slepian (needs width).

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。

使用方法，例：

In [2]: df = pd.DataFrame({'B': [0, 1, 2, np.nan, 4]})

In [3]: df.rolling(2).sum()

Out[3]:

B

0 NaN

1 1.0

2 3.0

3 NaN

4 NaN

按tab键可以查看rolling对象可用的方法，如下：

In [4]: r = df.rolling(2)

In [5]: r

Out[5]: Rolling [window=10,center=False,axis=0]

In [6]: r.

r.agg r.cov r.max r.ndim

r.aggregate r.exclusions r.mean r.quantile

r.apply r.is_datetimelike r.median r.skew

r.corr r.is_freq_type r.min r.std

r.count r.kurt r.name r.sum

注：rolling_mean()这种写法已经淘汰了，现在都是df.rolling().mean()、 df.rolling().std()这样来写。

例：计算苹果收盘价的平均移动线

获取数据

从雅虎获取苹果公司2016年1月1日至今的股票数据。

import pandas_datareader.data as web

apple = web.DataReader(name='AAPL',

data_source='yahoo',

start='2016-1-1')

print(apple.head())

数据大概是这个样子的：

Open High Low Close Volume \

Date

2016-01-04 102.610001 105.370003 102.000000 105.349998 67649400

2016-01-05 105.750000 105.849998 102.410004 102.709999 55791000

2016-01-06 100.559998 102.370003 99.870003 100.699997 68457400

2016-01-07 98.680000 100.129997 96.430000 96.449997 81094400

2016-01-08 98.550003 99.110001 96.760002 96.959999 70798000

Adj Close

Date

2016-01-04 103.057063

2016-01-05 100.474523

2016-01-06 98.508268

2016-01-07 94.350769

2016-01-08 94.849671

收盘价的折线图

为了方便观察滚完了之后的效果，我们把数据都画图呈现出来。

apple['Close'].plot(figsize=(9, 5), grid=True)

plt.show()

收盘价

平均移动线MA

apple['roll_mean'] = apple['Close'].rolling(window=5).mean()

apple[['Close', 'roll_mean']].plot(subplots=True, figsize=(9, 5), grid=True)

plt.show()

收盘价和5日平均移动线

这里窗口大小为5，所以前面四个数据是没有值的。把它们合在一起看看(把subplots改为False)。

收盘价和5日平均移动线合在一起

拉近一点：

直观上看更平滑了。毕竟取五天做平均了，第一天涨第二天跌的这种一平均波动就小了。如果窗口变大会更平滑。

windowsize = [5,10,20]

for i in windowsize:

apple['roll_mean_'+str(i)] = apple['Close'].rolling(i).mean()

apple[['roll_mean_5','roll_mean_10','roll_mean_20']].plot(figsize=(9, 5), grid=True)

plt.show()

补充

除了算平均值，还可以计算方差、相关、最大最小值等等，大部分的统计量都可以计算，就看你需要了。

另外如果已有的函数不能满足需要，我们还可以用lambda和apply()写自己的方法。

例如(直接复制官网的咯)：

mad = lambda x: np.fabs(x - x.mean()).mean()

apple['Close'].rolling(window=5).apply(mad).plot(figsize=(9, 5), grid=True)

plt.show()

这里计算的是平均绝对偏差。

我的图长得漂亮是因为安装了seaborn库，画图之前悄悄加载了一下。

另外，pandas中也有好些金融函数，比如计算指数加权移动平均，就现成的pandas.ewma()。待挖掘的东西好多呢。