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,等生成。Expanding 对象通过调用,等生成。EWM( Exponentially-weighted moving) 对象通过调用,生成。
Rolling
原型为:
参数意义如下:
: 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。
: 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。
: bool 类型, 默认为 False
设置标签是否在窗口中心
: 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。
: 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。
: int 或 str 类型, 默认为 0
: 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
返回一个用于特定操作的窗口或Rolling子类对象
例子
构造一个DataFrame,
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。
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.
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。
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
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。
领取专属 10元无门槛券
私享最新 技术干货