使用 pandas 的滚动窗口函数

Python 中的时间序列数据处理

Stefan Jansen

Founder & Lead Data Scientist at Applied Artificial Intelligence

pandas 中的窗口函数

窗口标识时间序列的子区间
在窗口内计算子区间指标
生成新的指标时间序列
两类窗口：
- 滚动：固定大小，滑动（本视频）
- 累积：包含之前所有值（下个视频）

计算滚动平均

data = pd.read_csv('google.csv', parse_dates=['date'], index_col='date')

DatetimeIndex: 1761 entries, 2010-01-04 to 2016-12-30
Data columns (total 1 columns):
price     1761 non-null float64
dtypes: float64(1)

ch3_1_v2 - 使用 Pandas 的滚动窗口函数.010.png

计算滚动平均

# 基于整数的窗口大小
data.rolling(window=30).mean() # 固定观测数

DatetimeIndex: 1761 entries, 2010-01-04 to 2017-05-24
Data columns (total 1 columns):
price    1732 non-null float64
dtypes: float64(1)

window=30：工作日天数
min_periods：设为 < 30 以获得前几天结果

计算滚动平均

# 基于偏移量的窗口大小
data.rolling(window='30D').mean() # 固定周期长度

DatetimeIndex: 1761 entries, 2010-01-04 to 2017-05-24
Data columns (total 1 columns):
price    1761 non-null float64
dtypes: float64(1)

30D：自然日天数

90 天滚动均值

r90 = data.rolling(window='90D').mean()

google.join(r90.add_suffix('_mean_90')).plot()

ch3_1_v2 - 使用 Pandas 的滚动窗口函数.017.png

90 与 360 天滚动均值

data['mean90'] = r90

r360 = data['price'].rolling(window='360D'.mean()

data['mean360'] = r360; data.plot()

ch3_1_v2 - 使用 Pandas 的滚动窗口函数.020.png

多种滚动指标（1）

r = data.price.rolling('90D').agg(['mean', 'std'])

r.plot(subplots = True)

ch3_1_v2 - 使用 Pandas 的滚动窗口函数.022.png

多种滚动指标（2）

rolling = data.google.rolling('360D')

q10 = rolling.quantile(0.1).to_frame('q10')

median = rolling.median().to_frame('median')

q90 = rolling.quantile(0.9).to_frame('q90')

pd.concat([q10, median, q90], axis=1).plot()

ch3_1_v2 - 使用 Pandas 的滚动窗口函数.024.png

Passons à la pratique !

Python 中的时间序列数据处理