df.rolling的用法

pandas中的rolling函数可以用于数据的滑动窗口计算，即对一定数量的连续数据进行计算。rolling函数的语法格式如下：

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

其中，常用参数解释如下：

- window：窗口大小，即计算数据的连续数量。
- min_periods：窗口大小不足时的最小值数量。
- center：是否将窗口中心对齐，默认为False。
- win_type：窗口类型，默认为None，即等权重窗口。
- on：指定用于计算的列，默认为None，即对所有列进行计算。
- axis：指定轴方向，默认为0，即对行进行计算。
- closed：指定窗口是否包含边界，默认为None，即左闭右闭。

rolling函数可以与其他函数一起使用，如mean、sum等，实现不同的滑动窗口计算。例如：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3, 4, 5], 'B': [2, 4, 6, 8, 10]})
print(df)

# 对数据进行滑动窗口计算，计算窗口大小为2的均值
df_rolling = df.rolling(window=2).mean()
print(df_rolling)

输出结果为：

   A   B
0  1   2
1  2   4
2  3   6
3  4   8
4  5  10

     A    B
0  NaN  NaN
1  1.5  3.0
2  2.5  5.0
3  3.5  7.0
4  4.5  9.0

可以看到，滑动窗口计算后的结果中，前两个值为NaN，因为窗口大小不足。后面的值则为对应窗口中数据的均值。