pandas rolling()根據時間窗口計算滾動（時間序列有關）

這個函數的主要作用是根據時間（天，月，季度，年等）去看看數據的變化趨勢，是下降了還是上升了，最后還要分析趨勢的原因，結合業務邏輯去分析

可以根據某個時間周期，計算數據的變化，主要用於時間序列上面

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

參數說明：

window：int, offset, or BaseIndexer subclass，就是時間周期參數（窗口），數值型，如果是這個BaseIndexer ，比較少見，暫時不管；

min_periods：int, default None，窗口中具有值的最小觀察數（否則結果為NA）。對於由偏移量指定的窗口， min_periods將默認為1。否則，min_periods將默認為窗口的大小

center：bool, default False，將標簽設置在窗口的中央

win_type：str, default None，提供一個窗口類型。如果為None，則所有點均加權。有關更多信息，請參見下面的注釋

on：str, optional，對於DataFrame，是類似於日期時間的列或MultiIndex級別，在該列或MultiIndex級別上計算滾動窗口，而不是DataFrame的索引。由於不使用整數索引來計算滾動窗口，因此忽略提供的整數列並將其從結果中排除

axis：int or str, default 0，行或者列，默認是計算每列

closed：str, default None，使間隔在“右”，“左”，“兩個”或“兩個都不”端點上關閉。對於基於偏移的窗口，默認為“ right”。對於固定窗口，默認為“兩個”。其余情況未針對固定窗口實施，就是開區間或者閉區間

官網：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.rolling.html?highlight=rolling#pandas.DataFrame.rolling

注意：

1.上面說了這么多參數，最終的是window參數，其余的不必細看

2.這個函數一般配合聚合函數（sum，mean等）是使用

3.比如說df[col].rolling(3).sum()，就是計算連續三個值（當前這個+前面兩個）的和

import pandas as pd  
# 導入 pandas 
import numpy as np
index = pd.date_range('2019-01-01',periods=20)  
#創建日期序列
 
data = pd.DataFrame(np.arange(len(index)),index=index,columns=['test'])
#創建簡單的pd.DataFrame
 
data
#打印data
data['sum'] = data.test.rolling(3).sum() #移動3個值，進行求和
data['mean'] = data.test.rolling(3).mean() #移動3個值，進行求平均數
data['mean1'] = data.test.rolling(3,min_periods=2).mean()
#移動3個值，最小計數為2，進行求平均數，查看跟上面有何不同

我們看看最后的data

 

 

最后可將結果配合plot可視化出來

import matplotlib.pyplot as plt 
plt.plot(data)  #只是簡單畫圖，不做復雜的處理