pandas: read_csv、rolling与expanding函数详解及其用法

在Python的pandas库中，`read_csv`、`rolling`和`expanding`函数是数据处理和分析中的重要工具，用于加载和操作CSV文件中的数据。本文将详细介绍这三个函数的用法和它们在数据预处理、时间序列分析中的应用。 首先，`read_csv`函数用于从CSV文件中读取数据并将其转换为pandas DataFrame。该函数的关键参数包括： 1. `header`: 如果设置为None（默认值），pandas会假设第一行不是列名，而是数据，并会自动为数据添加索引，根据提供的范围（如`range(1,1200)`）创建索引。如果设置为0，则pandas会将第一行作为列名。 2. `index_col`: 当设置为0（默认行为），pandas会将第一列作为行索引。通过指定`usecols`参数可以选中特定列进行处理，例如`usecols=[1,2,3]`会选择第二列到第四列。 3. `parse_dates`: 如果设置为True，pandas会尝试将某些列解析为日期类型，便于时间序列分析。 在读取数据后，`rolling`函数用于对数据窗口滑动计算统计指标，如平均值、最小值和最大值。通过设置`window`参数来定义窗口大小，例如`window=3`表示以每3个连续的观测值为一组进行计算。这里有一个示例： ```python shifted = temps.shift(width-1) # 将数据向前移动指定步数 window = shifted.rolling(window=width) # 创建滚动窗口 # 生成一个新的DataFrame，包含窗口内的最小值、平均值、最大值以及原始值（t+1） dataframe = DataFrame() dataframe = pd.concat([window.min(), window.mean(), window.max(), temps], axis=1) dataframe.columns = ['min', 'mean', 'max', 't+1'] # 设置列名 ``` `expanding`函数则提供对整个历史数据序列的累积计算，类似于窗口函数但不移动窗口。这在需要连续计算累计总和、累积平均值等情况下非常有用。 例如，`window.expanding()`返回一个ExpandingGroupBy对象，可以像普通GroupBy那样应用各种聚合函数： ```python cumulative_data = dataframe.expanding().mean() # 计算每个值及其之前所有值的平均值 ``` 掌握`read_csv`、`rolling`和`expanding`的使用方法对于处理和分析CSV数据至关重要。它们能帮助你进行数据清洗、特征工程，以及执行复杂的统计运算，是pandas库在数据科学和数据分析项目中的核心功能之一。通过灵活运用这些函数，你可以高效地处理大量时间序列数据，提取有价值的信息。