python

关注公众号 jb51net

关闭
首页 > 脚本专栏 > python > Pandas_cum累积计算和rolling滚动计算

Pandas_cum累积计算和rolling滚动计算的用法详解

作者:starter_zheng

今天小编就为大家分享一篇Pandas_cum累积计算和rolling滚动计算的用法详解,具有好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧

Pandas主要统计特征函数:

方法名 函数功能
sum() 计算数据样本的总和(按列计算)
mean() 计算数据样本的算术平均数
var() 计算数据样本的方差
std() 计算数据样本的标准差
corr() 计算数据样本的Spearman(Pearman)相关系数矩阵
cov() 计算数据样本的协方差矩阵
skew() 样本值的偏度(三阶矩)
kurt() 样本值的峰度(四阶矩)
describe() 给出样本的基本描述(基本统计量如均值、标准差等)

cum累积计算函数

cum系列函数是作为DataFrame或Series对象的方法出现的,因此命令格式为D.cumsum()

方法名 函数功能
cumsum() 依次给出前1、2、… 、n个数的和
cumprod() 依次给出前1、2、… 、n个数的积
cummax() 依次给出前1、2、… 、n个数的最大值
cummin() 依次给出前1、2、… 、n个数的最小值

计算出前n项和:

D=pd.Series(range(0,20))
D.cumsum() 
0    0
1    1
2    3
3    6
....
19  190
dtype: int64

rolling滚动计算函数

rolling_系列是pandas的函数,不是DataFrame或Series对象的方法,其格式为pd.rolling_mean(D,k),其中每k列计算一次平均值,滚动计算。

方法名 函数功能
rolling_sum() 计算数据样本的总和(按列计算)
rolling_mean() 数据样本的算术平均数
rolling_var() 计算数据样本的方差
rolling_std() 计算数据样本的标准差
rolling_corr() 计算数据样本的Spearman(Pearman)相关系数矩阵
rolling_cov() 计算数据样本的协方差矩阵
rolling_skew() 样本值的偏度(三阶矩)
rolling_kurt() 样本值的峰度(四阶矩)

依次对相邻两项求和:

pd.rolling_sum(D,2)
0   NaN  
1   1.0
2   3.0
3   5.0
4   7.0
....
19  37.0
dtype: float64

以上这篇Pandas_cum累积计算和rolling滚动计算的用法详解就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持脚本之家。

您可能感兴趣的文章:
阅读全文