跳到主要内容

Pandas 窗口操作

在数据分析中，窗口操作是一种强大的工具，用于对时间序列或顺序数据进行局部计算。Pandas提供了多种窗口操作功能，包括滚动窗口、扩展窗口和指数加权窗口。这些操作可以帮助我们计算移动平均值、累积和、指数平滑等统计量。

什么是窗口操作？​

窗口操作是指在数据上定义一个“窗口”，并在该窗口内进行计算。窗口可以是固定大小的（如滚动窗口），也可以是动态变化的（如扩展窗口）。通过窗口操作，我们可以对数据进行局部分析，而不是对整个数据集进行计算。

滚动窗口（Rolling Window）​

滚动窗口是指在数据上定义一个固定大小的窗口，并在该窗口内进行计算。窗口会随着数据的移动而滚动，因此每次计算都是基于窗口内的数据。

示例：计算滚动平均值​

假设我们有一个包含每日销售额的时间序列数据，我们希望计算过去7天的滚动平均值。

python
import pandas as pd

# 创建示例数据
data = {'date': pd.date_range(start='2023-01-01', periods=10, freq='D'),
        'sales': [10, 20, 30, 40, 50, 60, 70, 80, 90, 100]}
df = pd.DataFrame(data)

# 计算7天滚动平均值
df['rolling_avg'] = df['sales'].rolling(window=7).mean()

print(df)

输出：

        date  sales  rolling_avg
0 2023-01-01     10          NaN
1 2023-01-02     20          NaN
2 2023-01-03     30          NaN
3 2023-01-04     40          NaN
4 2023-01-05     50          NaN
5 2023-01-06     60          NaN
6 2023-01-07     70     40.000000
7 2023-01-08     80     50.000000
8 2023-01-09     90     60.000000
9 2023-01-10    100     70.000000
备注

注意：在滚动窗口的前6行中，由于窗口大小不足7天，因此滚动平均值为NaN。

扩展窗口（Expanding Window）​

扩展窗口是指在数据上定义一个从起始点到当前点的窗口，并在该窗口内进行计算。窗口会随着数据的增加而扩展，因此每次计算都是基于从起始点到当前点的所有数据。

示例：计算累积和​

假设我们有一个包含每日销售额的时间序列数据，我们希望计算从起始点到当前点的累积和。

python
# 计算累积和
df['cumulative_sum'] = df['sales'].expanding().sum()

print(df)

输出：

        date  sales  cumulative_sum
0 2023-01-01     10            10.0
1 2023-01-02     20            30.0
2 2023-01-03     30            60.0
3 2023-01-04     40           100.0
4 2023-01-05     50           150.0
5 2023-01-06     60           210.0
6 2023-01-07     70           280.0
7 2023-01-08     80           360.0
8 2023-01-09     90           450.0
9 2023-01-10    100           550.0
提示

扩展窗口适用于需要计算累积统计量的场景，如累积和、累积平均值等。

指数加权窗口（Exponentially Weighted Window）​

指数加权窗口是指在数据上定义一个窗口，并对窗口内的数据进行指数加权计算。指数加权窗口适用于需要对近期数据赋予更高权重的场景，如指数平滑。

示例：计算指数加权平均值​

假设我们有一个包含每日销售额的时间序列数据，我们希望计算指数加权平均值。

python
# 计算指数加权平均值
df['ewm_avg'] = df['sales'].ewm(span=3, adjust=False).mean()

print(df)

输出：

        date  sales  ewm_avg
0 2023-01-01     10     10.0
1 2023-01-02     20     15.0
2 2023-01-03     30     22.5
3 2023-01-04     40     31.25
4 2023-01-05     50     40.625
5 2023-01-06     60     50.3125
6 2023-01-07     70     60.15625
7 2023-01-08     80     70.078125
8 2023-01-09     90     80.0390625
9 2023-01-10    100     90.01953125
警告

指数加权窗口的参数 span 决定了权重衰减的速度，span 越小，近期数据的权重越高。

实际应用场景​

场景1：股票价格分析​

在股票价格分析中，滚动窗口常用于计算移动平均线，帮助投资者识别趋势。扩展窗口可以用于计算累积收益率，而指数加权窗口可以用于平滑价格波动，识别短期趋势。

场景2：销售数据分析​

在销售数据分析中，滚动窗口可以用于计算最近N天的平均销售额，扩展窗口可以用于计算累积销售额，而指数加权窗口可以用于平滑销售额波动，识别销售趋势。

总结​

Pandas窗口操作是数据分析中非常强大的工具，适用于各种时间序列和顺序数据的局部计算。通过滚动窗口、扩展窗口和指数加权窗口，我们可以轻松计算移动平均值、累积和、指数平滑等统计量。掌握这些操作将大大提高你的数据分析能力。

附加资源与练习​

  • 练习1：使用滚动窗口计算过去5天的销售额标准差。
  • 练习2：使用扩展窗口计算销售额的累积平均值。
  • 练习3：使用指数加权窗口计算销售额的指数加权标准差。
注意

在练习中，确保理解每个窗口操作的计算原理，并尝试调整参数观察结果的变化。