pandas中滑窗rolling的使用

函數原型和參數說明

DataFrame.rolling(window, min_periods=None, freq=None, center=False, win_type=None, on=None, axis=0, closed=None)

window：表示時間窗的大小，注意有兩種形式（int or offset）。如果使用int，則數值表示計算統計量的觀測值的數量即向前幾個數據。如果是offset類型，表示時間窗的大小。

min_periods：最少需要有值的觀測點的數量，對於int類型，默認與window相等。對於offset類型，默認為1。

center：是否使用window的中間值作為label，默認為false。只能在window是int時使用。

例一

df = pd.DataFrame({'B': [0, 1, 2, np.nan, 4]})
df.rolling(3, min_periods=1).sum()
df.rolling(3, min_periods=1, center=True).sum()

例二

df = pd.DataFrame({'1': ['A1', 'A2', 'A1', 'A2', 'A2', 'A1', 'A2'],
                  '2': ['B1', 'B1', 'B1', 'B1', 'B1', 'B1', 'B1'],
                  'num': [1,2,1,3,4,2,1]}, 
                 index = [pd.Timestamp('20130101 09:00:00'),
                          pd.Timestamp('20130101 09:00:01'),
                          pd.Timestamp('20130101 09:00:02'),
                          pd.Timestamp('20130101 09:00:03'),
                          pd.Timestamp('20130101 09:00:04'),
                          pd.Timestamp('20130101 09:00:05'),
                          pd.Timestamp('20130101 09:00:06')])

# 首先我們先對groupby進行聚合(如果只有從A->B，那么不用聚合一個rolling就可以)
# 以9:00:04秒為例，由於時間窗是3s，默認的closed是right，所以我們相加04，03，02秒的num，共有4+3+0=7
df.groupby(['1', '2'])['num'].rolling('3s').sum()

參考 CSDN博主「weijian001」原文鏈接：https://blog.csdn.net/wj1066/article/details/78853717