详解 Pandas 的窗口函数

文刀小桂

于 2024-09-22 19:28:09 发布

阅读量357

点赞数 7

分类专栏： Pandas 文章标签： pandas python

本文链接：https://blog.csdn.net/weixin_44480009/article/details/142421865

版权

Pandas 专栏收录该内容

13 篇文章 0 订阅

订阅专栏

Pandas 中常用的窗口函数有滑动窗口 rolling() 和扩张窗口 expanding()，功能主要是对数据进行滚动计算、滑动统计等操作。

一、滑动窗口 rolling

固定窗口大小，进行滑动计算

1. 数据准备

se = pd.Series(data=[100, 110, 120, 130, 110, 140, 150, 80, 110, 130],
               index=["2019-01-01", "2019-01-02", "2019-01-03", "2019-01-04", "2019-01-05", "2019-01-06", "2019-01-07",
                      "2019-01-08", "2019-01-09", "2019-01-10"])

print(se)

2019-01-01    100
2019-01-02    110
2019-01-03    120
2019-01-04    130
2019-01-05    110
2019-01-06    140
2019-01-07    150
2019-01-08     80
2019-01-09    110
2019-01-10    130

2. 方法声明

def rolling(
        self,
        window: int | dt.timedelta | str | BaseOffset | BaseIndexer, # 窗口大小
        min_periods: int | None = None, # 每个窗口内最少包含的观测值的数量，如果小于这个值的窗口，则结果为 NA
        center: bool_t = False, # 是否把当前行数据设为窗口居中位置，默认是窗口结束位置
        win_type: str | None = None,
        on: str | None = None, # 指定 DataFrame 中在窗口中观测的列
        axis: Axis | lib.NoDefault = lib.no_default, # 指定按行或按列进行计算
        closed: IntervalClosedType | None = None,
        step: int | None = None, # 步长
        method: str = "single",
    ) -> Window | Rolling

3. 基本使用

# 统计前 3 天的累计值（包含当天）
w = se.rolling(window=3).sum()
print(w)

2019-01-01      NaN
2019-01-02      NaN
2019-01-03    330.0
2019-01-04    360.0
2019-01-05    360.0
2019-01-06    380.0
2019-01-07    400.0
2019-01-08    370.0
2019-01-09    340.0
2019-01-10    320.0

# 统计前3天的累计值（包含当天），不足 3 天按实际统计
w2 = se.rolling(window=3, min_periods=1).sum()

print(w2)

2019-01-01    100.0
2019-01-02    210.0
2019-01-03    330.0
2019-01-04    360.0
2019-01-05    360.0
2019-01-06    380.0
2019-01-07    400.0
2019-01-08    370.0
2019-01-09    340.0
2019-01-10    320.0

# 统计每3天的累计值（当天的前一天、当天、当天的后一天）
w3 = se.rolling(window=3, center=True).sum()
print(w3)

2019-01-01      NaN
2019-01-02    330.0
2019-01-03    360.0
2019-01-04    360.0
2019-01-05    380.0
2019-01-06    400.0
2019-01-07    370.0
2019-01-08    340.0
2019-01-09    320.0
2019-01-10      NaN

二、扩张窗口 expanding

只设置最小的观测值数量，不固定窗口大小，实现累计计算

1. 数据准备

se = pd.Series(data=[100, 110, 120, 130, 110, 140, 150, 80, 110, 130],
               index=["2019-01-01", "2019-01-02", "2019-01-03", "2019-01-04", "2019-01-05", "2019-01-06", "2019-01-07",
                      "2019-01-08", "2019-01-09", "2019-01-10"])

print(se)

2019-01-01    100
2019-01-02    110
2019-01-03    120
2019-01-04    130
2019-01-05    110
2019-01-06    140
2019-01-07    150
2019-01-08     80
2019-01-09    110
2019-01-10    130

2. 方法声明

def expanding(
        self,
        min_periods: int = 1, # 设置最少包含的观测值的数量，如果小于这个值的窗口，则结果为 NA
        axis: Axis | lib.NoDefault = lib.no_default, # 指定按行或按列进行计算
        method: Literal["single", "table"] = "single",
    ) -> Expanding

3. 基本使用

# 统计累积到当天的总值
w = se.expanding(min_periods=1).sum() # 类似 cumsum() 函数的累计求和
print(w)

2019-01-01     100.0
2019-01-02     210.0
2019-01-03     330.0
2019-01-04     460.0
2019-01-05     570.0
2019-01-06     710.0
2019-01-07     860.0
2019-01-08     940.0
2019-01-09    1050.0
2019-01-10    1180.0

# 统计累积到当天的总值，最少有 2 天
w2 = se.expanding(min_periods=2).sum()
print(w2)

2019-01-01       NaN
2019-01-02     210.0
2019-01-03     330.0
2019-01-04     460.0
2019-01-05     570.0
2019-01-06     710.0
2019-01-07     860.0
2019-01-08     940.0
2019-01-09    1050.0
2019-01-10    1180.0

三、窗口中支持的聚合函数

聚合函数	说明
sum()	值的总和
count()	非空观测值数量
mean()	值的平均值
median()	值的中位数
min()	最小值
max()	最大值
std()	值的标准差
var()	值的方差
skew()	样品偏斜度（三阶矩）
kurt()	样品峰度（四阶矩）
quantile()	样本分位数（百分位上的值）
cov()	无偏协方差（二元）
corr()	相关性（二进制）
agg()	通用聚合
apply()	自定义函数