Pandas滑动窗口函数rolling()的使用方法

在Pandas中，滑动窗口函数rolling()用于计算时间序列或数据框中每个子序列的统计量。它允许您在数据上应用一个窗口大小，并对每个窗口执行聚合操作。以下是使用滑动窗口函数的一些基本步骤：

1. 导入Pandas库：

   import pandas as pd

2. 创建数据框（DataFrame）：

   data = {'col1': [1, 2, 3, 4, 5], 'col2': [5, 4, 3, 2, 1]}
   df = pd.DataFrame(data)

3. 应用rolling()函数：

   rolling_window = df.rolling(window=3)  # 指定窗口大小为3

4. 选择聚合函数：
   您可以使用各种聚合函数，如mean()、sum()、std()等。以下是一个计算移动平均值的示例：

   rolling_mean = rolling_window.mean()

5. 处理边缘效应：
   默认情况下，滑动窗口函数会将第一个和最后一个元素视为NaN。您可以使用min_periods参数来指定非空值的数量，以便在计算统计量时忽略边缘效应。例如，以下代码将仅在至少有两个非空值的情况下计算移动平均值：

   rolling_mean = rolling_window.mean(min_periods=2)

6. 访问结果：
   滚动窗口函数将返回一个新的数据框，其中包含原始数据框中的每个子序列的聚合结果。您可以通过索引访问每个子序列的统计量。例如，以下代码将打印第一个子序列的平均值：
   ```python
   print(rolling_mean.loc[0]) # 输出第一个子序列的平均值