orrginal，rolling_mean,rolling_std

### 回答1：
这三个词都与时间序列数据相关。

original 指的是原始数据，即未经过任何处理的数据。

rolling_mean 是一种移动平均计算方法，它以固定的窗口大小滑动数据，每次计算窗口内数据的平均值。这种方法可以平滑数据并减少噪音。

rolling_std 是一种移动标准差计算方法，它以固定的窗口大小滑动数据，每次计算窗口内数据的标准差。这种方法可以衡量数据的波动情况，并帮助识别异常值。

### 回答2：
original、rolling_mean和rolling_std是与数据处理和分析相关的三个概念。

original表示原始数据，即未经过任何处理或转换的数据。在数据分析中，我们通常需要对原始数据进行预处理和清理，以便更好地理解和利用数据。

rolling_mean是滚动平均的计算方法。它是一种时间序列数据处理的方法，通过计算指定窗口内数据的平均值来平滑数据。具体的计算方法是，在滑动窗口（窗口大小可以为任意值）内，将窗口内的数据求平均得到一个新的数值。然后滑动窗口向右移动一个单位，继续计算新的平均值。通过滚动平均可以减少季节性或周期性的波动，更好地观察数据的趋势和变化。

rolling_std是滚动标准差的计算方法。标准差是一种衡量数据变化幅度的指标，它度量的是每个数据点与整体数据平均值之间的偏离程度。在滚动标准差中，计算方法与滚动平均相似，只是将平均值改为标准差。通过计算滚动标准差，我们可以观察数据的波动情况，判断数据的稳定性和风险。

在对数据进行分析和处理时，我们经常会使用这三个概念。首先，通过观察原始数据，了解数据的分布和特征。然后，可以使用rolling_mean平滑数据，去除噪声和波动，更好地观察数据的整体趋势。最后，使用rolling_std计算数据的标准差，评估数据的变化幅度，帮助我们判断数据的可靠性和风险。

综上所述，original、rolling_mean和rolling_std是数据处理和分析中常用的概念和方法，对于理解和利用数据具有重要的意义。

### 回答3：
original是指原始的数据，没有经过任何处理的数据。rolling_mean和rolling_std是时间序列数据的两种常用的滚动统计方法。

rolling_mean（移动平均）是对时间序列中的数据在一个滑动窗口内进行求平均操作。它可以用来平滑数据中的短期波动，突出数据中的长期变化趋势。例如，我们可以使用rolling_mean来计算过去一周内每天的平均温度，以获取一个更加平滑的温度曲线，并更好地观察温度的长期趋势。

rolling_std（移动标准差）是对时间序列中的数据在一个滑动窗口内进行求标准差操作。它可以用来衡量数据的波动性或变异性。与rolling_mean类似，rolling_std也可以用来平滑数据并提取长期趋势。然而，不同之处在于rolling_std还可以显示出数据的短期波动情况。例如，在金融领域，我们可以使用rolling_std来计算股票价格的波动性，以衡量风险的大小。

总结起来，original是指原始数据，rolling_mean是对时间序列数据进行滑动平均操作，而rolling_std是对时间序列数据进行滑动标准差操作。它们是处理时间序列数据中常用的统计方法，能够平滑数据、提取趋势和衡量风险。