Funções de Janela do Pandas

Exemplo de operação de função de janela do Pandas

Para lidar com dados numéricos, o Pandas oferece algumas variantes, como rolagem, expansão e movimento ponderado exponencial para estatísticas de janela. Inclui somatória, média, mediana, variação, covariância, correlação e outros.
Agora, vamos aprender como aplicá-las separadamente em objetos DataFrame.

função .rolling()

Esta função pode ser aplicada a uma série de dados. Especifique o parâmetro window = n e aplique funções estatísticas apropriadas sobre ele.

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

Os resultados da execução são os seguintes:

　　　　　　　　　　　　　　　　　　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

Devido ao tamanho da janela de3Portanto, para os dois primeiros elementos estão vazios, começando pelo terceiro elemento, seu valor é n, n-1e n-2A média dos elementos. Portanto, também podemos aplicar todas as funções acima.

.função expanding()

Esta função pode ser aplicada a uma série de dados. Especifique o parâmetro min_periods = n e aplique funções estatísticas apropriadas sobre ele.

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

Os resultados da execução são os seguintes:

　　　　　　　　　　　　　　　　　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

.ewm() função

ewm Aplicado a uma série de dados. Especifique um dos parâmetros com, span, halflife e aplique a função estatística apropriada sobre ele. Ela distribui pesos de forma exponencial.

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

Os resultados da execução são os seguintes:

　　　　　　　　　　　　　　　　　　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

As funções de janela são usadas principalmente para encontrar tendências nos dados de forma gráfica, através de curvas suaves. Se os dados diários mudarem muito e houver muitos pontos de dados disponíveis, usar amostras e gráficos é um método, aplicar cálculos de janela e desenhar os resultados é outro método. Com esses métodos, podemos suavizar curvas ou tendências.