Pandas_cum累积计算和rolling滚动计算的用法详解

(编辑：jimmy 日期: 2025/1/21 浏览：3 次 )

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。

上一篇：Python使用sklearn实现的各种回归算法示例
下一篇：python SQLAlchemy的Mapping与Declarative详解