使用 pandas 的移動視窗函式

Manipulating Time Series Data in Python

Stefan Jansen

Founder & Lead Data Scientist at Applied Artificial Intelligence

pandas 的視窗函式

視窗用來標示時間序列的子期間
在視窗內計算子期間的統計量
產生新的統計量時間序列
兩種類型的視窗：
- Rolling：固定大小、滑動（本支影片）
- Expanding：包含所有先前值（下一支影片）

計算移動平均

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 - Rolling Window Functions with Pandas.010.png

計算移動平均

# 以整數指定視窗大小
data.rolling(window=30).mean() # 固定 # 觀測值

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：# 工作天
min_periods：設成 < 30 可取得前幾天的結果

計算移動平均

# 以偏移量指定視窗大小
data.rolling(window='30D').mean() # 固定期間長度

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

30D：# 日曆天

90 天移動平均

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

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

ch3_1_v2 - Rolling Window Functions with Pandas.017.png

90 與 360 天移動平均

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

多種移動統計（1）

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

r.plot(subplots = True)

ch3_1_v2 - Rolling Window Functions with Pandas.022.png

多種移動統計（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

一起來練習吧！

Manipulating Time Series Data in Python