Python Pandas-窗口函数

在 Pandas 里的数据处理之中，窗口函数可以使得我们对一个数据进行全局的计算，还能够保留数据原有的结构。窗口函数可以是以下任意一种：

• 移动窗口（移动平均，移动和）——用于平滑曲线或者去除异常值；
• 滑动窗口——用于时间序列分析；
• 扩展窗口——用于分组函数计算。

Pandas 提供了很多窗口函数，如 mean、sum、count、std、var、min、max 等等。

前置知识

在了解 Pandas 窗口函数之前，建议你掌握：

1. Pandas 中的基本知识，最好做过相关的练习；

2. Python 中的基本知识，了解基本的 Python 语言核心、数据类型与函数；

3. 数据前处理的基本技能，包括读取文件、获得所需的字段、数据类型转化等等。

窗口函数

下面我们通过一个具体的实例，来了解 Pandas 窗口函数的使用。

1. 进行本地导入。

import numpy as np
import pandas as pd

2. 读入数据：

df = pd.read_csv('data.csv', index_col='date')

3. 窗口函数的使用：

df['rolling_mean_5'] = df['value'].rolling(window=5).mean()
df['rolling_mean_10'] = df['value'].rolling(window=10).mean()

在这个代码执行过程中，我们首先选定了一个指标 value，对这个指标进行滑动窗口的处理（窗口宽度分别是 5 和 10），再将处理过的指标保存到两个新的列 rolling_mean_5 和 rolling_mean_10 之中。

结论

本篇介绍了 Pandas 窗口函数的基本知识，介绍了窗口函数的性质和使用步骤。掌握了这些技术之后，我们可以对时间序列数据进行更全面的处理。