超級(jí)好用的移動(dòng)窗口函數(shù)

最近經(jīng)常使用移動(dòng)窗口函數(shù)，覺得很方便，功能強(qiáng)大，代碼簡(jiǎn)單，故將pandas中的移動(dòng)窗口函數(shù)都做介紹。它都是以rolling打頭的函數(shù)，后接具體的函數(shù)，來顯示該移動(dòng)窗口函數(shù)的功能。

rolling_count 計(jì)算各個(gè)窗口中非NA觀測(cè)值的數(shù)量

函數(shù)

pandas.rolling_count(arg, window, freq=None, center=False, how=None)

arg : DataFrame 或 numpy的ndarray 數(shù)組格式
window : 指移動(dòng)窗口的大小，為整數(shù)
freq :
center : 布爾型，默認(rèn)為False, 指取中間的
how : 字符串，默認(rèn)為“mean”,為down- 或re-sampling

import pandas as pd
import numpy as np
df = pd.DataFrame({'key1':['a','a','b','b','a'],
    'key2':['one','two','one','two','one'],
    'data1':np.nan,
    'data2':np.random.randn(5)})
df

pd.rolling_count(df[['data1','data2']],window = 3)

rolling_sum 移動(dòng)窗口的和

pandas.rolling_sum(arg, window, min_periods=None, freq=None, center=False, how=None, **kwargs)

arg : 為Series或DataFrame
window : 窗口的大小
min_periods : 最小的觀察數(shù)值個(gè)數(shù)
freq :
center : 布爾型，默認(rèn)為False, 指取中間的
how : 取值的方式，默認(rèn)為None

pd.rolling_sum(df,window = 2,min_periods = 1)

rolling_mean 移動(dòng)窗口的均值

pandas.rolling_mean(arg, window, min_periods=None, freq=None, center=False, how=None, **kwargs)

rolling_median 移動(dòng)窗口的中位數(shù)

pandas.rolling_median(arg, window, min_periods=None, freq=None, center=False, how='median', **kwargs)

rolling_var 移動(dòng)窗口的方差

pandas.rolling_var(arg, window, min_periods=None, freq=None, center=False, how=None, **kwargs)

rolling_std 移動(dòng)窗口的標(biāo)準(zhǔn)差

pandas.rolling_std(arg, window, min_periods=None, freq=None, center=False, how=None, **kwargs)

rolling_min 移動(dòng)窗口的最小值

pandas.rolling_min(arg, window, min_periods=None, freq=None, center=False, how='min', **kwargs)

rolling_max 移動(dòng)窗口的最大值

pandas.rolling_min(arg, window, min_periods=None, freq=None, center=False, how='min', **kwargs)

rolling_corr 移動(dòng)窗口的相關(guān)系數(shù)

pandas.rolling_corr(arg1, arg2=None, window=None, min_periods=None, freq=None, center=False, pairwise=None, how=None)

rolling_corr_pairwise 配對(duì)數(shù)據(jù)的相關(guān)系數(shù)

等價(jià)于: rolling_corr(…, pairwise=True)

pandas.rolling_corr_pairwise(df1, df2=None, window=None, min_periods=None, freq=None, center=False)

rolling_cov 移動(dòng)窗口的協(xié)方差

pandas.rolling_cov(arg1, arg2=None, window=None, min_periods=None, freq=None, center=False, pairwise=None, how=None, ddof=1)

rolling_skew 移動(dòng)窗口的偏度（三階矩）

pandas.rolling_skew(arg, window, min_periods=None, freq=None, center=False, how=None, **kwargs)

rolling_kurt 移動(dòng)窗口的峰度（四階矩）

pandas.rolling_kurt(arg, window, min_periods=None, freq=None, center=False, how=None, **kwargs)

rolling_apply 對(duì)移動(dòng)窗口應(yīng)用普通數(shù)組函數(shù)

pandas.rolling_apply(arg, window, func, min_periods=None, freq=None, center=False, args=(), kwargs={})

rolling_quantile 移動(dòng)窗口分位數(shù)函數(shù)

pandas.rolling_quantile(arg, window, quantile, min_periods=None, freq=None, center=False)

rolling_window 移動(dòng)窗口

pandas.rolling_window(arg, window=None, win_type=None, min_periods=None, freq=None, center=False, mean=True, axis=0, how=None, **kwargs)

ewma 指數(shù)加權(quán)移動(dòng)

ewma(arg[, com, span, halflife, ...])

ewmstd 指數(shù)加權(quán)移動(dòng)標(biāo)準(zhǔn)差

ewmstd(arg[, com, span, halflife, ...])

ewmvar 指數(shù)加權(quán)移動(dòng)方差

ewmvar(arg[, com, span, halflife, ...])

ewmcorr 指數(shù)加權(quán)移動(dòng)相關(guān)系數(shù)

ewmcorr(arg1[, arg2, com, span, halflife, ...])

ewmcov 指數(shù)加權(quán)移動(dòng)協(xié)方差

ewmcov(arg1[, arg2, com, span, halflife, ...])

以上這篇python pandas移動(dòng)窗口函數(shù)rolling的用法就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。