python 中rolling函数

在Python的pandas库中，`rolling`函数是一个非常强大的工具，它用于创建一个“滑动窗口”视图，让你能够在序列数据上进行局部计算，比如求均值、求和、移动最小值等。这在金融分析、时间序列数据处理等领域特别有用。

`rolling`函数的基本语法如下：

df.rolling(window, min_periods=None, center=False, win_type=None, on=None, axis=0, closed='right', pad=False)

- `window`: 需要滑动的窗口大小，即多少个连续的单元格一起参与计算。
- `min_periods`: 窗口内至少包含多少个有效值才能进行计算，默认为1。
- `center`: 如果True，窗口中心位于当前索引，而不是左边缘；默认False，窗口左边缘位于当前索引。
- `win_type`: 提供窗口形状的函数，如'static'（固定窗口），'triang'（三角形窗）等，可以自定义窗口形状。
- `on`: 如果数据是按某列分组，那么指明哪一列是进行窗口计算的依据。
- `axis`: 通常设置为0表示沿行（默认）滚动，轴1表示沿列滚动。
- `closed`, `pad`: 控制窗口边缘的行为，`closed='right'`意味着包括右边界，`pad=True`则在窗口左侧填充NaNs。

举个例子，如果你有一个时间序列数据的DataFrame，想计算每5天的平均值，可以这样操作：

df['rolling_average'] = df['column_name'].rolling(window=5).mean()

这将返回一个新的列，每一项都是基于前5天数据的平均值。