df.rolling的用法
时间: 2023-10-09 15:13:08 浏览: 84
pandas 强制类型转换 df.astype实例
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:
```python
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。
阅读全文