使用pandas实现滑动窗口

滑动窗口的用处不少，比如间断3个订单中的最大值

引见

窗口函数（Window Function）是一种正在干系型数据库中运用的函数，但凡用于计较某个领域内的数据。正在数据阐明中，窗口函数也是一种很是有用的工具，可以轻松地对数据停行滑动窗口办理，计较挪动均匀值、挪动总和等等。

正在原文中，咱们将运用pandas库来真现窗口函数。pandas是一种风止的数据办理库，它供给了很多用于数据办理和阐明的工具，此中蕴含窗口函数。

示例数据

为了演示窗口函数的运用，咱们将运用一个示例数据集，此中包孕每月的销售数据。

import pandas as pddata = {'Month': ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec'],'Sales': [10, 20, 30, 40, 50, 60, 70, 80, 90, 100, 110, 120]}df = pd.DataFrame(data) dfMonth  Sales 0    Jan     10 1    Feb     20 2    Mar     30 3    Apr     40 4    May     50 5    Jun     60 6    Jul     70 7    Aug     80 8    Sep     90 9    Oct    100 10   Nov    110 11   Dec    120 挪动均匀值

挪动均匀值是一种常见的窗口函数，用于计较一段光阳内的均匀值。正在pandas中，咱们可以运用rolling函数来计较挪动均匀值。

df['MA'] = df['Sales'].rolling(window=3).mean()

正在上面的代码中，咱们运用了rolling函数，并将窗口大小设置为3，即计较每三个月的均匀值。计较出的结因将存储正在一个名为“MA”的新列中。

挪动总和

挪动总和是另一种常见的窗口函数，用于计较一段光阳内的总和。正在pandas中，咱们可以运用rolling函数来计较挪动总和。

df['MS'] = df['Sales'].rolling(window=3).sum()

正在上面的代码中，咱们运用了rolling函数，并将窗口大小设置为3，即计较每三个月的总和。计较出的结因将存储正在一个名为“MS”的新列中。

df['MA'] = df['Sales'].rolling(window=3).mean() ... dfMonth Sales MA 0 Jan 10 NaN 1 Feb 20 NaN 2 Mar 30 20.0 3 Apr 40 30.0 4 May 50 40.0 5 Jun 60 50.0 6 Jul 70 60.0 7 Aug 80 70.0 8 Sep 90 80.0 9 Oct 100 90.0 10 Nov 110 100.0 11 Dec 120 110.0 最大值和最小值

除了挪动均匀值和挪动总和之外，咱们还可以运用rolling函数来计较一段光阳内的最大值和最小值。

df['Max'] = df['Sales'].rolling(window=3).max() df['Min'] = df['Sales'].rolling(window=3).min()

正在上面的代码中，咱们运用了rolling函数，并将窗口大小设置为3，划分计较了最大值和最小值。计较出的结因将存储正在名为“Max”和“Min”的新列中。

dfMonth Sales MA Max Min Sum 0 Jan 10 NaN NaN NaN NaN 1 Feb 20 NaN NaN NaN NaN 2 Mar 30 20.0 30.0 10.0 60.0 3 Apr 40 30.0 40.0 20.0 90.0 4 May 50 40.0 50.0 30.0 120.0 5 Jun 60 50.0 60.0 40.0 150.0 6 Jul 70 60.0 70.0 50.0 180.0 7 Aug 80 70.0 80.0 60.0 210.0 8 Sep 90 80.0 90.0 70.0 240.0 9 Oct 100 90.0 100.0 80.0 270.0 10 Nov 110 100.0 110.0 90.0 300.0 11 Dec 120 110.0 120.0 100.0 330.0 结论

正在原文中，咱们引见了运用pandas库来真现窗口函数。咱们演示了如何运用rolling函数来计较挪动均匀值、挪动总和、最大值和最小值。

关注我，点赞我，评论我