python 滚动爬取dataframe，并滚动赋值给新的dataframe

可以使用pandas中的rolling函数来实现滚动计算，然后将结果赋值给新的dataframe。

假设有一个原始的dataframe df，需要对其中的某一列进行滚动计算，结果赋值给新的dataframe df_new，可以按照以下步骤操作：

1. 使用rolling函数对原始dataframe df中的某一列进行滚动计算，例如计算每5行的平均值：

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

2. 将滚动计算结果赋值给新的dataframe df_new中对应的列，例如赋值给df_new的'rolling_mean'列：

df_new['rolling_mean'] = rolling_mean

完整代码示例：

import pandas as pd

# 读取原始dataframe
df = pd.read_csv('data.csv')

# 滚动计算每5行的平均值
rolling_mean = df['column_name'].rolling(window=5).mean()

# 创建新的dataframe
df_new = pd.DataFrame()

# 将滚动计算结果赋值给新的dataframe中的对应列
df_new['rolling_mean'] = rolling_mean

相关问题

python 滚动爬取dataframe

要滚动爬取dataframe，您可以使用Pandas中的iloc函数来选择要滚动的行。以下是一个简单的例子：

import pandas as pd

# 读取CSV文件
df = pd.read_csv('data.csv')

# 每次滚动2行
scroll = 2

# 初始行数
start_row = 0

# 滚动爬取
while start_row < len(df):
    # 选择要滚动的行
    rows = df.iloc[start_row:start_row+scroll]
    print(rows)
    
    # 增加滚动量
    start_row += scroll

在这个例子中，我们读取了一个CSV文件并定义了每次滚动的行数。然后我们使用一个while循环来滚动爬取。在循环中，我们使用iloc函数选择要滚动的行，并打印它们。最后，我们增加滚动量以继续滚动爬取，直到我们到达了数据框的末尾。

请注意，在这个例子中，我们假设您有足够的内存来一次性读取整个数据框。如果您的数据框太大，无法一次性读取，您可以考虑使用Pandas的chunksize参数来分块读取数据。

python 创建空dataframe循环按列赋值

Python中创建空的DataFrame可以使用以下语句：

import pandas as pd

df = pd.DataFrame()

接下来，如果要循环按列赋值，可以使用循环来遍历列，并使用`df[col_name]`语法为每列赋值。例如，假设要为DataFrame创建3列，并将1到3的数字分别赋给每列，可以使用以下代码：

import pandas as pd

df = pd.DataFrame()

for i in range(3):
    col_name = f'Column{i+1}'
    df[col_name] = range(1, 4)

上述代码使用循环将3列分别命名为`Column1`，`Column2`和`Column3`。每列通过`range(1, 4)`进行赋值，分别为1、2和3。

最后，DataFrame将如下所示：

   Column1  Column2  Column3
0        1        1        1
1        2        2        2
2        3        3        3

这样，通过循环按列赋值，我们可以创建并填充空的DataFrame。