dataframe expanding

DataFrame expanding 是用于在 Pandas 中执行 rolling 和 expanding 操作的方法之一。它可以用来计算滚动或扩展窗口中的统计数据，例如滚动平均值、滚动标准偏差等。

rolling 操作是指对于一个固定大小的窗口，沿着时间序列向前滑动，对窗口中的数据进行统计运算。而 expanding 操作是指从数据集的起始点开始，逐步扩大窗口的大小，对窗口中的数据进行统计运算。

下面是一个简单的示例，展示如何使用 expanding 方法计算累计和：

import pandas as pd

# 创建一个包含随机整数的 DataFrame
df = pd.DataFrame({'data': [1, 2, 3, 4, 5]})

# 使用 expanding 方法计算累计和
expanding_sum = df['data'].expanding().sum()

print(expanding_sum)

输出结果为：

0     1.0
1     3.0
2     6.0
3    10.0
4    15.0
Name: data, dtype: float64

这里，我们使用 `expanding()` 方法创建了一个扩展窗口，并对 `data` 列进行累计求和。由于这是一个扩展窗口，因此在每一行中，我们都计算了从数据集起始点开始的所有值的累计和。

类似地，rolling 方法也可以用于计算滚动窗口内的统计数据。例如，以下代码演示了如何使用 rolling 方法计算一个窗口大小为 3 的滚动均值：

import pandas as pd

# 创建一个包含随机整数的 DataFrame
df = pd.DataFrame({'data': [1, 2, 3, 4, 5]})

# 使用 rolling 方法计算滚动均值
rolling_mean = df['data'].rolling(window=3).mean()

print(rolling_mean)

输出结果为：

0         NaN
1         NaN
2    2.000000
3    3.000000
4    4.000000
Name: data, dtype: float64

这里，我们使用 `rolling()` 方法创建了一个大小为 3 的滚动窗口，并对 `data` 列进行滚动均值计算。在前两个行中，由于窗口大小不够，因此没有计算出平均值，因此这些行中的值为 NaN。在第三行中，我们计算了前三个值的平均值，并将其赋值给了第三个行。以此类推，直到最后一个行，我们计算了前五个值的平均值，得到了 4.0。