對pandas中時間窗函數(shù)rolling的使用詳解
在建模過程中，我們常常需要需要對有時間關(guān)系的數(shù)據(jù)進(jìn)行整理。比如我們想要得到某一時刻過去30分鐘的銷量（產(chǎn)量，速度，消耗量等），傳統(tǒng)方法復(fù)雜消耗資源較多，pandas提供的rolling使用簡單，速度較快。
函數(shù)原型和參數(shù)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(shù)值表示計算統(tǒng)計量的觀測值的數(shù)量即向前幾個數(shù)據(jù)。如果是offset類型，表示時間窗的大小。pandas offset相關(guān)可以參考這里。
min_periods：最少需要有值的觀測點的數(shù)量，對于int類型，默認(rèn)與window相等。對于offset類型，默認(rèn)為1。
freq：從0.18版本中已經(jīng)被舍棄。
center：是否使用window的中間值作為label，默認(rèn)為false。只能在window是int時使用。
# 為方便觀察，并列排列
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()
B B1 B2
0 0.0 0.0 1.0
1 1.0 1.0 3.0
2 2.0 3.0 3.0
3 NaN 3.0 6.0
4 4.0 6.0 4.0
win_type：窗口類型，默認(rèn)為None一般不特殊指定，了解支持的其他窗口類型，參考這里。
on：對于DataFrame如果不使用index（索引）作為rolling的列，那么用on來指定使用哪列。
closed：定義區(qū)間的開閉，曾經(jīng)支持int類型的window，新版本已經(jīng)不支持了。對于offset類型默認(rèn)是左開右閉的即默認(rèn)為right?？梢愿鶕?jù)情況指定為left both等。
axis：方向（軸），一般都是0。
舉例
一個簡單的場景，從A向B運(yùn)送東西，我們想看一下以3秒作為一個時間窗運(yùn)送的量。
# A地有兩個倉庫，都運(yùn)往B。
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')])
# 1 2 num
# 2013-01-01 09:00:00 A1 B1 1
# 2013-01-01 09:00:01 A2 B1 2
# 2013-01-01 09:00:02 A1 B1 1
# 2013-01-01 09:00:03 A2 B1 3
# 2013-01-01 09:00:04 A2 B1 4
# 2013-01-01 09:00:05 A1 B1 2
# 2013-01-01 09:00:06 A2 B1 1
使用rolling進(jìn)行計算
# 首先我們先對groupby進(jìn)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，由于時間窗是3s，默認(rèn)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()
# 1 2
# A1 B1 2013-01-01 09:00:00 1.0
# 2013-01-01 09:00:02 2.0
# 2013-01-01 09:00:05 2.0
# A2 B1 2013-01-01 09:00:01 2.0
# 2013-01-01 09:00:03 5.0
# 2013-01-01 09:00:04 7.0
# 2013-01-01 09:00:06 5.0
# Name: num, dtype: float64
由于使用groupby，所以最后的結(jié)果是MultiIndex，想使用正常格式在DataFrame上使用reset_index()即可。
以上這篇對pandas中時間窗函數(shù)rolling的使用詳解就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。
相關(guān)文章
這篇文章主要介紹了Python和GO語言實現(xiàn)的消息摘要算法示例,本文講解了python消息摘要示例、go語言消息摘要示例及各自的運(yùn)行效果,需要的朋友可以參考下2015-03-03
python-redis-lock實現(xiàn)鎖自動續(xù)期的源碼邏輯
這篇文章主要介紹了python-redis-lock實現(xiàn)鎖自動續(xù)期的源碼邏輯,其中用到了多線程threading、弱引用weakref和Lua腳本等相關(guān)知識,需要的朋友可以參考下2024-07-07
XPath是一門在XML文檔中查找信息的語言,下面這篇文章主要給大家介紹了關(guān)于Python操作lxml庫實戰(zhàn)之Xpath篇的相關(guān)資料,文中通過示例代碼介紹的非常詳細(xì),需要的朋友可以參考下2022-12-12
Python?OpenCV形態(tài)學(xué)運(yùn)算示例詳解
這篇文章主要為大家介紹了OpenCV中的幾個形態(tài)學(xué)運(yùn)算，例如：腐蝕&膨脹、開&閉運(yùn)算、梯度運(yùn)算、頂帽運(yùn)算黑帽運(yùn)算，感興趣的可以了解一下2022-04-04
最近想爬取淘寶的一些商品，但是發(fā)現(xiàn)如果要使用搜索等一些功能時基本都需要登錄，所以就想出一篇模擬登錄淘寶的文章！本文給大家介紹的非常詳細(xì)，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值，需要的朋友可以參考下2021-08-08
Python實現(xiàn)mysql數(shù)據(jù)庫中的SQL文件生成和導(dǎo)入
這篇文章主要介紹了Python實現(xiàn)mysql數(shù)據(jù)庫中的SQL文件生成和導(dǎo)入，首先通過將mysql數(shù)據(jù)導(dǎo)出到SQL文件中展開詳細(xì)內(nèi)容需要的小伙伴可以參考一下2022-06-06
在?Python?中,去除字符串中的空格是一個常見的操作,這篇文章小編將為大家盤點一下python中常用的的去空格的方法,需要的可以參考一下2025-02-02
這篇文章主要介紹了編寫python代碼實現(xiàn)簡單抽獎器,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2020-10-10
這篇文章主要介紹了如何在VSCode下使用Jupyter,本文給大家介紹的非常詳細(xì)，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值，需要的朋友可以參考下2020-07-07
Python實現(xiàn)計算圓周率π的值到任意位的方法示例
這篇文章主要介紹了Python實現(xiàn)計算圓周率π的值到任意位的方法,簡單分析了圓周率的計算原理,并結(jié)合實例形式分析了Python計算圓周率的相關(guān)操作技巧,需要的朋友可以參考下2018-05-05