pandas rolling()根据时间窗口计算滚动（时间序列有关）

这个函数的主要作用是根据时间去看看数据的变化趋势，是下降了还是上升了，最后还要分析趋势的原因，结合业务逻辑去分析

可以根据某个时间周期，计算数据的变化，主要用于时间序列上面

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

参数说明：

window：int, offset, or BaseIndexer subclass，就是时间周期参数（窗口），数值型，如果是这个BaseIndexer ，比较少见，暂时不管；

min_periods：int, default None，窗口中具有值的最小观察数（否则结果为NA）。对于由偏移量指定的窗口， min_periods将默认为1。否则，min_periods将默认为窗口的大小

center：bool, default False，将标签设置在窗口的中央

win_type：str, default None，提供一个窗口类型。如果为None，则所有点均加权。有关更多信息，请参见下面的注释

on：str, optional，对于DataFrame，是类似于日期时间的列或MultiIndex级别，在该列或MultiIndex级别上计算滚动窗口，而不是DataFrame的索引。由于不使用整数索引来计算滚动窗口，因此忽略提供的整数列并将其从结果中排除

axis：int or str, default 0，行或者列，默认是计算每列

closed：str, default None，使间隔在“右”，“左”，“两个”或“两个都不”端点上关闭。对于基于偏移的窗口，默认为“ right”。对于固定窗口，默认为“两个”。其余情况未针对固定窗口实施，就是开区间或者闭区间

注意：

1.上面说了这么多参数，最终的是window参数，其余的不必细看

2.这个函数一般配合聚合函数（sum，mean等）是使用

3.比如说df[col].rolling(3).sum()，就是计算连续三个值（当前这个+前面两个）的和

import pandas as pd  
# 导入 pandas 
import numpy as np
index = pd.date_range(‘2019-01-01‘,periods=20)  
#创建日期序列
 
data = pd.DataFrame(np.arange(len(index)),index=index,columns=[‘test‘])
#创建简单的pd.DataFrame
 
data
#打印data
data[‘sum‘] = data.test.rolling(3).sum()
#移动3个值，进行求和
data[‘mean‘] = data.test.rolling(3).mean()
#移动3个值，进行求平均数
data[‘mean1‘] = data.test.rolling(3,min_periods=2).mean()
#移动3个值，最小计数为2，进行求平均数，查看跟上面有何不同

我们看看最后的data

最后可将结果配合plot可视化出来

import matplotlib.pyplot as plt 
plt.plot(data)  #只是简单画图，不做复杂的处理

pandas rolling()根据时间窗口计算滚动（时间序列有关）

原文：https://www.cnblogs.com/cgmcoding/p/14155223.html