Python时间序列处理神器：Rolling 对象，3分钟入门 | 原创

第三期：文末留言送书

Window

Rolling 对象在处理时间序列的数据时，应用广泛，在Python中Pandas包实现了对这类数据的处理。

Rolling 对象通过调用 pandas.DataFrame.rolling(), pandas.Series.rolling() 等生成。Expanding 对象通过调用 pandas.DataFrame.expanding()，pandas.Series.expanding()等生成。EWM( Exponentially-weighted moving) 对象通过调用 pandas.DataFrame.ewm()，pandas.Series.ewm()生成。

Rolling

原型为：

DataFrame.rolling(self, window, min_periods=None, center=False, win_type=None, on=None, axis=0, closed=None)

参数意义如下： window : 取值为 int, 或时间相关 offset类型

移动窗口的宽度，是指用于统计计算的观察值的个数。取值为int 时，每一个窗口宽度是固定的。

如果window 取值为offset，则表示每个窗口的时间周期，此时每个窗口的宽度随着窗口内的观测值变化。仅当index 为datetimelike 时，这个参数才起作用，并且是在0.19.0版本才有的参数。

min_periods : 最小周期数，类型 int，默认为 None. 窗内要求有值(非NaN)的观测值个数. 如果是取值为offset 的window，min_periods默认为1，否则min_periods 默认值为窗口的宽度。

center : bool 类型, 默认为 False 设置标签是否在窗口中心

win_type : str 类型 , 默认为 None 设置窗口的类型，如果为None, 所有点的权重一致，详细可参考接下来的信息。

on : str 类型, 可选项 对于DataFrame来说，设置时间类型的列来计算rolling 窗口, 而不是基于DataFrame 的index. 此时，整数列将不会出现在结果中，因为此时整数列未被作为rolling 窗口来计算。

axis : int 或 str 类型, 默认为 0

closed : str 类型, 默认为 None 控制窗口区间端点的闭合情况，取值为right(仅包括右端点), left(仅包括左端点), both(都不包括) 或者都包括端点。对于基于offset的窗口，默认只包括右端点。对于固定窗口，取值为both，其他情况暂未实现。

此属性第一次出现在 0.20.0 版本

返回值 返回一个用于特定操作的窗口或Rolling子类对象

例子

构造一个DataFrame，

In [19]: df = pd.DataFrame({'B': [0, 1, 2, np.nan, 4]})

In [20]: df
Out[20]:
     B
0  0.0
1  1.0
2  2.0
3  NaN
4  4.0

窗口宽口为2，第一个窗口的右端点与第一个元素对齐，然后对每个窗口内的元素求和。

In [21]: df.rolling(2).sum()
Out[21]:
     B
0  NaN
1  1.0
2  3.0
3  NaN
4  NaN

因为索引基于int，所以closed参数取值为both，即两个端点都包括，所以得到如上分析结果。

设置窗内最小非NaN元素个数：min_periods，如果设置为1就意味着窗内如果至少1个为非NaN值，则取值不会为NaN.

df.rolling(2, min_periods=1).sum()
     B
0  0.0
1  1.0
2  3.0
3  2.0
4  4.0

设置索引为时间类型，观察它与整数索引在closed参数上的不同。

In [23]: df = pd.DataFrame({'B': [0, 1, 2, np.nan, 4]},
    ...: ...                   index = [pd.Timestamp('20130101 09:00:00'),
    ...: ...                            pd.Timestamp('20130101 09:00:02'),
    ...: ...                            pd.Timestamp('20130101 09:00:03'),
    ...: ...                            pd.Timestamp('20130101 09:00:05'),
    ...: ...                            pd.Timestamp('20130101 09:00:06')])

In [24]: df
Out[24]:
                       B
2013-01-01 09:00:00  0.0
2013-01-01 09:00:02  1.0
2013-01-01 09:00:03  2.0
2013-01-01 09:00:05  NaN
2013-01-01 09:00:06  4.0

每隔4秒截取一个时间窗，然后窗内元素的和，值得注意的是

In [27]: df.rolling('4s').sum()
Out[27]:
                       B
2013-01-01 09:00:00  0.0
2013-01-01 09:00:02  1.0
2013-01-01 09:00:03  3.0
2013-01-01 09:00:05  3.0
2013-01-01 09:00:06  6.0

对于基于offset的窗口，默认只包括右端点，比如09：00：05秒时，时间窗的取值：(01, 05]，求和为3.

以上就是rolling 函数的一个基本介绍，rolling函数在处理时间序列，尤其是预测领域有广泛的应用价值，它能帮助我们把曲线调整的更加平滑等。