在移動窗口(可以帶有指數衰減權數)上計算的各種統計函數也是一類常見于時間序列的數組變換。它們稱為移動窗口函數，其中還包括那些窗口不定長的函數(如指數加權移動平均)。跟其他統計函數一樣，移動窗口函數也會自動排除缺失值。「親，如果筆記對您有幫助，收藏的同時，記得給點個贊、加個關注哦！感謝！」

「文中代碼均親測過，若有錯誤之處，歡迎批評指正，一起學習，一起成長！」

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

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

Out[14]:

默認情況下，諸如Series.rolling.mean()這樣的函數需要指定數量的非NA觀測值。可以修改該行為以解決缺失數據的問題。其實，在時間序列開始處尚不足窗口期的那些數據就是個特例：

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]:

要計算擴展窗口平均，可以將擴展窗口看做一個特殊的窗口，其長度與時間序列一樣，但只需一期(或多期)即可計算一個值：

# 通過Series.rolling.mean()定義擴展平均

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

對DataFrame調用Series.rolling.mean()(以及與之類似的函數)會將轉換應用到所有的列上：

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

Out[29]:

「親，如果筆記對您有幫助，收藏的同時，記得給點個贊、加個關注哦！感謝！」

「文中代碼均親測過，若有錯誤之處，歡迎批評指正，一起學習，一起成長！」

總結

以上是生活随笔為你收集整理的python统计窗口函数怎么处理_python时间序列：移动窗口函数前篇的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。