对比Excel，学习Python窗口函数

总第245篇/张俊红

对Sql比较了解的同学，应该都听过Sql中的窗口函数，感觉掌握了窗口函数就可以说自己精通Sql了，在Python中也有类似的窗口函数。

我们先来看个例子，下面是某平台一段时间内分天的销量情况表，熟悉业务的同学应该都有一个常识，就是天与天之间的数据很多时候是不可以直接比的，比如电商平台周一和周日订单量。天与天之间不可比，但是周与周之间大部分情况是可比的，因为一周7天基本覆盖了全部业务情况。

周与周之间比较久涉及到周应该怎么算，如果是按照自然周去算的话，一年大约也就52周，这对于号称大数据时代来说，数据肯定是有点少，那怎么办才能既覆盖到比较全的业务场景，又能够增加数据点呢？有一个办法就是滑动相加，滑动7天相加，比如这周二到下周一是7天，且覆盖了比较全的业务场景，再比如这周五到下周四也是7天，且同时覆盖了比较全的业务场景。

我们现在有分天的数据，怎么做到7天滑动相加呢？在Excel中其实还是比较简单的，直接在第7行写入公式前7行相加的公式，然后把公式下拉填充就可以做到7天滑动相加。如下图所示：

如果我们要在Python中实现这种7天滑动相加的功能可以直接使用rolling函数，rolling函数中有一个比较重要的参数是window，该参数用来表示滑动几天。具体实现代码如下：

import pandas as pd
df = pd.read_csv(r''python_rolling.csv')
df.rolling(window = 7).sum()

运行上面的代码会得到如下结果：

可以看到与Excel中得到的结果是完全一致的。

如果只对df执行rolling的话，df只会滑动指定天数，但是并不会对滑动后的天数做任何运算，再对滑动后的数据调用sum函数就表示对滑动的数据执行求和运算。对df进行rolling以后除了求和以外还可以进行其他运算，比较常用的运算有：

计数：count() 求均值：men() 求最值：min()、max() 求方差：var() 求标准差：std()

除了常用的这些汇总运算以外，还可以使用自定义函数，比如对滑动7天的值先求和再加1，可以通过如下方式实现：

import numpy as np
def div(x):
    return np.sum(x) + 1
 df.rolling(window = 7).agg(div)  

运行上面的代码就可得到如下结果：

可以看到，第一个累加值是453，是在452的基础上加了1。

先自定义一个函数，然后通过agg的方式调用该函数就可以实现自定义函数的功能。

以上就是关于Python滑动窗口函数用法的一个基本介绍。