Rullande fönsterfunktioner med pandas

Manipulera tidsseriedata i Python

Stefan Jansen

Founder & Lead Data Scientist at Applied Artificial Intelligence

Fönsterfunktioner i pandas

Fönster identifierar delperioder i din tidsserie
Beräkna mätvärden för delperioder inom fönstret
Skapa en ny tidsserie av mätvärden
Två typer av fönster:
- Rullande: samma storlek, glidande (den här videon)
- Expanderande: innehåller alla tidigare värden (nästa video)

Beräkna ett rullande medelvärde

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 - Rolling Window Functions with Pandas.010.png

Beräkna ett rullande medelvärde

# Integer-based window size
data.rolling(window=30).mean() # fixed # observations

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: antal arbetsdagar
min_periods: välj ett värde < 30 för att få resultat för de första dagarna

Beräkna ett rullande medelvärde

# Offset-based window size
data.rolling(window='30D').mean() # fixed period length

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

30D: antal kalenderdagar

Rullande medelvärde över 90 dagar

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

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

ch3_1_v2 - Rolling Window Functions with Pandas.017.png

Rullande medelvärden över 90 och 360 dagar

data['mean90'] = r90

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

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

ch3_1_v2 - Rolling Window Functions with Pandas.020.png

Flera rullande mätvärden (1)

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

r.plot(subplots = True)

ch3_1_v2 - Rolling Window Functions with Pandas.022.png

Flera rullande mätvärden (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 - Rolling Window Functions with Pandas.024.png

Nu kör vi en övning!

Manipulera tidsseriedata i Python