函数窗口Pandas

Esempi di operazioni delle funzioni di finestra Pandas

Per gestire i dati numerici, Pandas fornisce alcune varianti, come rolling, expanding e moving average esponenziale per le statistiche di finestra. Queste includono somma, media, mediana, varianza, covarianza, correlazione, ecc.
Ora, impareremo come applicarle rispettivamente a un oggetto DataFrame.

.rolling() funzione

Questa funzione può essere applicata a una serie di dati. Specificare il parametro window = n e applicare sopra la funzione statistica appropriata.

　import　pandas　as　pd
　import　numpy　as　np
　df　=　pd.DataFrame(np.random.randn(10,　4),
　　　　index　=　pd.date_range('1/1/2000',　periods=10),
　　　　columns　=　['A',　'B',　'C',　'D'])
　print(df.rolling(window=3).mean())

Esegui i risultati di seguito:

　　　　　　　　　　　　　　　　　　A　　　　　　　　　　　B　　　　　　　　　　　C　　　　　　　　　　　D
2000-01-01　　　　　　　　NaN　　　　　　　　　NaN　　　　　　　　　NaN　　　　　　　　　NaN
2000-01-02　　　　　　　　NaN　　　　　　　　　NaN　　　　　　　　　NaN　　　　　　　　　NaN
2000-01-03　　　0.434553　　　-0.667940　　　-1.051718　　　-0.826452
2000-01-04　0.628267　-0.047040　-0.287467　-0.161110
2000-01-05　0.398233　0.003517　0.099126　-0.405565
2000-01-06　0.641798　0.656184　-0.322728　0.428015
2000-01-07　0.188403　0.010913　-0.708645　0.160932
2000-01-08　0.188043　-0.253039　-0.818125　-0.108485
2000-01-09　0.682819　-0.606846　-0.178411　-0.404127
2000-01-10　0.688583　0.127786　0.513832　-1.067156

Poiché la dimensione della finestra è 3, i primi due elementi sono vuoti e il valore è la media degli elementi n, n-1 e n-2 a partire dal terzo elemento. Pertanto, possiamo anche applicare le varie funzioni menzionate sopra.

.expanding() funzione

Questa funzione può essere applicata a una serie di dati. Specificare il parametro min_periods = n e applicare sopra la funzione statistica appropriata.

　import　pandas　as　pd
　import　numpy　as　np
　df　=　pd.DataFrame(np.random.randn(10,　4),
　　　　index　=　pd.date_range('1/1/2000',　periods=10),
　　　　columns　=　['A',　'B',　'C',　'D'])
　print(df.expanding(min_periods=3).mean())

Esegui i risultati di seguito:

　　　　　　　　　　　　　　　　　A　　　　　　　　　　　B　　　　　　　　　　　C　　　　　　　　　　　D
2000-01-01　　　　　　　　NaN　　　　　　　　　NaN　　　　　　　　　NaN　　　　　　　　　NaN
2000-01-02　　　　　　　　NaN　　　　　　　　　NaN　　　　　　　　　NaN　　　　　　　　　NaN
2000-01-03　　　0.434553　　　-0.667940　　　-1.051718　　　-0.826452
2000-01-04　　　0.743328　　　-0.198015　　　-0.852462　　　-0.262547
2000-01-05　　　0.614776　　　-0.205649　　　-0.583641　　　-0.303254
2000-01-06　　　0.538175　　　-0.005878　　　-0.687223　　　-0.199219
2000-01-07　　　0.505503　　　-0.108475　　　-0.790826　　　-0.081056
2000-01-08　　　0.454751　　　-0.223420　　　-0.671572　　　-0.230215
2000-01-09　　　0.586390　　　-0.206201　　　-0.517619　　　-0.267521
2000-01-10　　　0.560427　　　-0.037597　　　-0.399429　　　-0.376886

La funzione .ewm()

ewm Applicato a una serie di dati. Specifica uno dei parametri com, span, halflife e applicale la funzione statistica appropriata. Assegna pesi esponenzialmente.

　import　pandas　as　pd
　import　numpy　as　np
　　
　df　=　pd.DataFrame(np.random.randn(10,　4),
　　　　index　=　pd.date_range('1/1/2000',　periods=10),
　　　　columns　=　['A',　'B',　'C',　'D'])
　print(df.ewm(com=0.5).mean())

Esegui i risultati di seguito:

　　　　　　　　　　　　　　　　　　A　　　　　　　　　　　B　　　　　　　　　　　C　　　　　　　　　　　D
2000-01-01　　　1.088512　　　-0.650942　　　-2.547450　　　-0.566858
2000-01-02　　　0.865131　　　-0.453626　　　-1.137961　　　　0.058747
2000-01-03　　-0.132245　　　-0.807671　　　-0.308308　　　-1.491002
2000-01-04　1.084036　0.555444　-0.272119　0.480111
2000-01-05　0.425682　0.025511　0.239162　-0.153290
2000-01-06　0.245094　0.671373　-0.725025　0.163310
2000-01-07　0.288030　-0.259337　-1.183515　0.473191
2000-01-08　0.162317　-0.771884　-0.285564　-0.692001
2000-01-09　1.147156　-0.302900　0.380851　-0.607976
2000-01-10　0.600216　0.885614　0.569808　-1.110113

Le funzioni finestra sono principalmente utilizzate per trovare tendenze nei dati graficamente attraverso curve smorzate. Se i dati quotidiani variano molto e ci sono molti punti di dati disponibili, utilizzare campioni e grafici è un metodo, applicare calcoli finestra e disegnare i risultati è un altro metodo. Attraverso questi metodi, possiamo smorzare curve o tendenze.