pandas进阶之窗口函数rolling()和expanding()-凯发app官方网站

凯发app官方网站-凯发k8官网下载客户端中心 | | 凯发app官方网站-凯发k8官网下载客户端中心
  • 博客访问: 4456371
  • 博文数量: 1214
  • 博客积分: 13195
  • 博客等级: 上将
  • 技术积分: 9105
  • 用 户 组: 普通用户
  • 注册时间: 2007-01-19 14:41
个人简介

c ,python,热爱算法和机器学习

文章分类

全部博文(1214)

文章存档

2021年(13)

2020年(49)

2019年(14)

2018年(27)

2017年(69)

2016年(100)

2015年(106)

2014年(240)

2013年(5)

2012年(193)

2011年(155)

2010年(93)

2009年(62)

2008年(51)

2007年(37)

相关博文
  • ·
  • ·
  • ·
  • ·
  • ·
  • ·
  • ·
  • ·
  • ·
  • ·

分类: python/ruby

2021-07-27 17:27:34



一、概念

  • 为了处理数字数据,pandas提供了几个变体,如滚动,展开和指数移动窗口统计的权重。 其中包括总和,均值,中位数,方差,协方差,相关性等;
  • 所谓窗口,就是将某个点的取值扩大到包含这个点的一段区间,用区间来进行判断;
  • 移动窗口就是窗口向一端滑行,默认是从右往左,每次滑行并不是区间整块的滑行,而是一个单位一个单位的滑行;
  • 窗口函数主要用于通过平滑曲线来以图形方式查找数据内的趋势。如果日常数据中有很多变化,并且有很多数据点可用,那么采样和绘图就是一种方法,应用窗口计算并在结果上绘制图形是另一种方法。 通过这些方法,可以平滑曲线或趋势。

二、rolling()

1. 参数说明

dataframe.rolling(window, min_periods=none, center=false, win_type=none, on=none, axis=0, closed=none) 
  • window:表示时间窗的大小,有两种形式:1)使用数值int,则表示观测值的数量,即向前几个数据;2)也可以使用offset类型,这种类型较复杂,使用场景较少,此处暂不做介绍;
  • 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;
  • 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。截取窗的各种函数。字符串类型,默认为none;
  • 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: 默认为0,即对列进行计算
    closed:定义区间的开闭,支持int类型的window。对于offset类型默认是左开右闭的即默认为right。可以根据情况指定为left、both等。

2. 代码示例

  • 示例中,由于窗口大小为3(window),前两个元素有空值,第三个元素的值将是n,n-1和n-2元素的平均值。
import pandas as pd import numpy as np
df = pd.dataframe(np.random.randn(7, 4), index = pd.date_range('1/1/2020', periods=7), columns = ['a', 'b', 'c', 'd']) df a b c d 2020-01-01 -0.103252 -0.378633 -0.689324 -1.150870 2020-01-02 -0.838289 0.036139 -0.481754 -0.006116 2020-01-03 -0.832013 -0.770184 -1.818931 0.253601 2020-01-04 -1.696006 -0.021195 0.772365 0.332447 2020-01-05 -2.136677 1.088825 1.166188 0.140585 2020-01-06 -0.705095 0.709978 1.077941 0.055677 2020-01-07 0.990198 0.764884 0.858504 -0.903039 df.rolling(window=3).mean() a b c d 2020-01-01 nan nan nan nan 2020-01-02 nan nan nan nan 2020-01-03 0.079891 -0.714177 -0.453193 0.232669 2020-01-04 -0.479782 -0.513903 -0.631638 0.034099 2020-01-05 -0.574793 -0.532310 -0.544511 -0.535417 2020-01-06 -0.675196 0.421606 -0.214320 -0.463122 2020-01-07 -0.118239 0.637363 -0.270283 -0.653187 df.rolling(window=3, min_periods=1).mean() 设置最少观测值数量为1 a b c d 2020-01-01 -0.103252 -0.378633 -0.689324 -1.150870 2020-01-02 -0.470771 -0.171247 -0.585539 -0.578493 2020-01-03 -0.591185 -0.370893 -0.996670 -0.301128 2020-01-04 -1.122103 -0.251747 -0.509440 0.193311 2020-01-05 -1.554899 0.099149 0.039874 0.242211 2020-01-06 -1.512593 0.592536 1.005498 0.176237 2020-01-07 -0.617191 0.854562 1.034211 -0.235592 

3. 常见用法

  • rolling()函数除了mean(),还支持很多函数,比如:
    count() 非空观测值数量
    sum() 值的总和
    median() 值的算术中值
    min() 最小值
    max() 最大
    std() 贝塞尔修正样本标准差
    var() 无偏方差
    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(二进制)
  • 借助 agg ()函数可以快速实现多个聚类函数,并输出结果,同时还可以进行重命名;
  • 代码示例
df2 = pd.dataframe({ "date": pd.date_range("2018-07-01", periods=7), "amount": [12000, 18000, np.nan, 12000, 9000, 16000, 18000]}) df2
       date     amount 0 2018-07-01 12000.0 1 2018-07-02 18000.0 2 2018-07-03 nan 3 2018-07-04 12000.0 4 2018-07-05 9000.0 5 2018-07-06 16000.0 6 2018-07-07 18000.0 窗口大小为2 df2.rolling(window=2, on="date").sum() date      amount 0 2018-07-01 nan 1 2018-07-02 30000.0 2 2018-07-03 nan 3 2018-07-04 nan 4 2018-07-05 21000.0 5 2018-07-06 25000.0 6 2018-07-07 34000.0 窗口大小为2,最少观测值数量为1 df2.rolling(window=2, on="date", min_periods=1).sum() date      amount 0 2018-07-01 12000.0 1 2018-07-02 30000.0 2 2018-07-03 18000.0 3 2018-07-04 12000.0 4 2018-07-05 21000.0 5 2018-07-06 25000.0 6 2018-07-07 34000.0 返回多个聚合结果,如sum()、mean() df2.rolling(window=2, min_periods=1)["amount"].agg([np.sum, np.mean]) sum   mean 0 12000.0 12000.0 1 30000.0 15000.0 2 18000.0 18000.0 3 12000.0 12000.0 4 21000.0 10500.0 5 25000.0 12500.0 6 34000.0 17000.0 返回多个聚合结果,并进行重命名
df2.rolling(window=2, min_periods=1)["amount"].agg({"amt_sum": np.sum, "amt_mean": np.mean}) amt_sum amt_mean 0 12000.0 12000.0 1 30000.0 15000.0 2 18000.0 18000.0 3 12000.0 12000.0 4 21000.0 10500.0 5 25000.0 12500.0 6 34000.0 17000.0 

4. 延伸用法

  • 通过rolling()函数与聚合函数的拼接,组成新的函数,可以更方便地实现窗口函数的功能;
  • 这种用法,功能强大,代码简单,所有参数的设置基本一致;
  • 列举如下
    rolling_count() 计算各个窗口中非na观测值的数量
    rolling_sum() 计算各个移动窗口中的元素之和
    rolling_mean() 计算各个移动窗口中元素的均值
    rolling_median() 计算各个移动窗口中元素的中位数
    rolling_var() 计算各个移动窗口中元素的方差
    rolling_std() 计算各个移动窗口中元素的标准差
    rolling_min() 计算各个移动窗口中元素的最小值
    rolling_max() 计算各个移动窗口中元素的最大值
    rolling_corr() 计算各个移动窗口中元素的相关系数
    rolling_corr_pairwise() 计算各个移动窗口中配对数据的相关系数
    rolling_cov() 计算各个移动窗口中元素的的协方差
    rolling_quantile() 计算各个移动窗口中元素的分位数

5. 自定义函数

  • 除了支持聚合函数,通过rolling().apply()方法,还可以在移动窗口上使用自己定义的函数,实现某些特殊功能;
  • 唯一需要满足的是,在数组的每一个片段上,函数必须产生单个值;
  • 代码示例
# 自定义方法:求和后,除以100 df2.rolling(2, min_periods=1)["amount"].apply(lambda x: sum(x)/100, raw=false) 0 120.0 1 300.0 2 nan 3 nan 4 210.0 5 250.0 6 340.0 

三、expanding()

1. 参数说明

dataframe.expanding(min_periods = 1,center = false,axis = 0) 
  • expanding()函数的参数,与rolling()函数的参数用法相同;
  • rolling()函数,是固定窗口大小,进行滑动计算,expanding()函数只设置最小的观测值数量,不固定窗口大小,实现累计计算,即不断扩展;
  • expanding()函数,类似cumsum()函数的累计求和,其优势在于还可以进行更多的聚类计算;
  • 事实上,当rolling()函数的参数window=len(df)时,实现的效果与expanding()函数是一样的。

2. 代码示例

import pandas as pd import numpy as np
df = pd.dataframe(np.random.randn(10, 4), index = pd.date_range('1/1/2018', periods=10), columns = ['a', 'b', 'c', 'd']) df a b c d 2018-01-01 -0.349086 -0.225357 -0.108829 1.662773 2018-01-02 1.056407 -0.159644 0.042278 0.298922 2018-01-03 -1.376891 0.112999 -0.719286 0.254892 2018-01-04 0.741323 1.510449 0.615251 -1.896209 2018-01-05 1.305841 0.380900 -0.961663 -0.654108 2018-01-06 -1.079804 -0.883547 0.149659 -0.065931 2018-01-07 0.240168 -0.409613 -0.543655 0.797564 2018-01-08 0.716836 -0.329991 0.271236 -2.138515 2018-01-09 -1.448734 1.261487 0.795663 -1.492216 2018-01-10 -1.212092 -1.039160 1.581169 1.156089 df.expanding(min_periods=2).mean() a b c d 2018-01-01 nan nan nan nan 2018-01-02 0.353660 -0.192500 -0.033276 0.980848 2018-01-03 -0.223190 -0.090667 -0.261946 0.738863 2018-01-04 0.017938 0.309612 -0.042647 0.080095 2018-01-05 0.275519 0.323869 -0.226450 -0.066746 2018-01-06 0.049632 0.122633 -0.163765 -0.066610 2018-01-07 0.076851 0.046598 -0.218035 0.056843 2018-01-08 0.156849 -0.000475 -0.156876 -0.217576 2018-01-09 -0.021549 0.139743 -0.051038 -0.359203 2018-01-10 -0.140603 0.021852 0.112182 -0.207674 # 判断expanding()的求和结果,与cumsum()结果,相同
result1 = df.expanding(min_periods=1).sum() result2 = df.cumsum() np.allclose(result1, result2) true 

四、ewm()

  • 该函数,表示指数加权滑动,使用场景较少,本文暂不做详细介绍,后续用到了,会补充该部分内容。


作者:惑也
链接:
来源:简书
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
阅读(2784) | 评论(0) | 转发(0) |
0

上一篇:how to use bert from the hugging face transformer library

下一篇:没有了

给主人留下些什么吧!~~
")); function link(t){ var href= $(t).attr('href'); href ="?url=" encodeuricomponent(location.href); $(t).attr('href',href); //setcookie("returnouturl", location.href, 60, "/"); }
网站地图