python的rolling_mean()函数

5.1 rolling_mean函数解释

1. pandas.rolling_mean(arg,
2.                                         window,
3.                                         min_periods=None,
4.                                         freq=None,
5.                                         center=False,
6.                                         how=None, **kwargs)

复制代码

rolling_mean函数表示通过移动窗口求平均值，即用当前值和前[window]个数值取平均数，得到新的数值。

1. import pandas as pd
3. data = [3, 60, 83, 100, 52, 36]#源数据
4. data = pd.DataFrame(data).sort_values(0)  
5. w2 = pd.rolling_mean(data, 2)#设置移动窗口为2，即用当前值和前2个数值取平均数
6. w3 = pd.rolling_mean(data, 3)#用当前值和前3个数值取平均数
7. print("源数据:\n", data)
8. print("移动窗口数为2:\n", w2)
9. print("移动窗口数为3:\n", w3)
11. 结果：
12. 源数据:
13.       0
14. 0    3
15. 5   36
16. 4   52
17. 1   60
18. 2   83
19. 3  100
20. 移动窗口数为2:
21.        0
22. 0   NaN
23. 5  19.5
24. 4  44.0
25. 1  56.0
26. 2  71.5
27. 3  91.5
28. 移动窗口数为3:
29.             0
30. 0        NaN
31. 5        NaN
32. 4  30.333333
33. 1  49.333333
34. 2  65.000000
35. 3  81.000000

复制代码

rolling的一系列函数中，除了rolling_mean（移动窗口的均值），另有rolling_median（移动窗口的中位数）、rolling_var （移动窗口的方差）、rolling_std （移动窗口的标准差）、rolling_cov （移动窗口的协方差）、rolling_sum （移动窗口的和）、rolling_min （移动窗口的最小值）、rolling_max （移动窗口的最大值）、rolling_corr （移动窗口的相关系数）、rolling_count （计算各个窗口中非NA观测值的数量）。最常用的还是rolling_mean了，作用类似时间序列中提到的移动平滑。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。