一起學(xué)習(xí)，一起成長(zhǎng)！

在移動(dòng)窗口(可以帶有指數(shù)衰減權(quán)數(shù))上計(jì)算的各種統(tǒng)計(jì)函數(shù)也是一類常見于時(shí)間序列的數(shù)組變換。它們稱為移動(dòng)窗口函數(shù)，其中還包括那些窗口不定長(zhǎng)的函數(shù)(如指數(shù)加權(quán)移動(dòng)平均)。跟其他統(tǒng)計(jì)函數(shù)一樣，移動(dòng)窗口函數(shù)也會(huì)自動(dòng)排除缺失值。「親，如果筆記對(duì)您有幫助，收藏的同時(shí)，記得給點(diǎn)個(gè)贊、加個(gè)關(guān)注哦！感謝！」

「文中代碼均親測(cè)過，若有錯(cuò)誤之處，歡迎批評(píng)指正，一起學(xué)習(xí)，一起成長(zhǎng)！」

Series.rolling.mean()是其中最簡(jiǎn)單的一個(gè)，它接受一個(gè)TimeSeries或DataFrame以及一個(gè)window(表示期數(shù))：

In [14]: close_px.AAPL.plot()

Out[14]:

默認(rèn)情況下，諸如Series.rolling.mean()這樣的函數(shù)需要指定數(shù)量的非NA觀測(cè)值。可以修改該行為以解決缺失數(shù)據(jù)的問題。其實(shí)，在時(shí)間序列開始處尚不足窗口期的那些數(shù)據(jù)就是個(gè)特例：

In [18]: prm=pd.Series.rolling(close_px.AAPL,250).mean()

In [19]: prm.plot()

Out[19]:

In [24]: appl_std250=pd.Series.rolling(close_px.AAPL,250,min_periods=10).mean()

In [25]: appl_std250[5:12]

Out[25]:

1990-02-08 NaN

1990-02-09 NaN

1990-02-12 NaN

1990-02-13 NaN

1990-02-14 7.964000

1990-02-15 7.967273

1990-02-16 7.962500

Freq: B, Name: AAPL, dtype: float64

In [26]: appl_std250.plot()

Out[26]:

要計(jì)算擴(kuò)展窗口平均，可以將擴(kuò)展窗口看做一個(gè)特殊的窗口，其長(zhǎng)度與時(shí)間序列一樣，但只需一期(或多期)即可計(jì)算一個(gè)值：

# 通過Series.rolling.mean()定義擴(kuò)展平均

In [27]: expanding_mean=lambda x :Series.rolling(x,len(x),min_periods=1).mean()

對(duì)DataFrame調(diào)用Series.rolling.mean()(以及與之類似的函數(shù))會(huì)將轉(zhuǎn)換應(yīng)用到所有的列上：

In [29]: pd.Series.rolling(close_px,60).mean().plot(logy=True)

Out[29]:

「親，如果筆記對(duì)您有幫助，收藏的同時(shí)，記得給點(diǎn)個(gè)贊、加個(gè)關(guān)注哦！感謝！」

「文中代碼均親測(cè)過，若有錯(cuò)誤之處，歡迎批評(píng)指正，一起學(xué)習(xí)，一起成長(zhǎng)！」

總結(jié)

以上是生活随笔為你收集整理的plot函数_时间序列：python移动窗口函数前言的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。