在建模过程中,我们常常需要需要对有时间关系的数据进行整理。比如我们想要得到某一时刻过去30分钟的销量(产量,速度,消耗量等),传统方法复杂消耗资源较多,pandas提供的rolling使用简单,速度较快。
函数原型和参数说明
1
|
DataFrame.rolling(window, min_periods = None , freq = None , center = False , win_type = None , on = None , axis = 0 , closed = None )
|
window:表示时间窗的大小,注意有两种形式(int or offset)。如果使用int,则数值表示计算统计量的观测值的数量即向前几个数据。如果是offset类型,表示时间窗的大小。pandas offset相关可以参考这里。
min_periods:最少需要有值的观测点的数量,对于int类型,默认与window相等。对于offset类型,默认为1。
freq:从0.18版本中已经被舍弃。
center:是否使用window的中间值作为label,默认为false。只能在window是int时使用。
1
2
3
4
5
6
7
8
9
10
11
|
# 为方便观察,并列排列
df = pd.DataFrame({ 'B' : [ 0 , 1 , 2 , np.nan, 4 ]})
df.rolling( 3 , min_periods = 1 ). sum ()
df.rolling( 3 , min_periods = 1 , center = True ). sum ()
B B1 B2
0 0.0 0.0 1.0
1 1.0 1.0 3.0
2 2.0 3.0 3.0
3 NaN 3.0 6.0
4 4.0 6.0 4.0
|
win_type:窗口类型,默认为None一般不特殊指定,了解支持的其他窗口类型,参考这里。
on:对于DataFrame如果不使用index(索引)作为rolling的列,那么用on来指定使用哪列。
closed:定义区间的开闭,曾经支持int类型的window,新版本已经不支持了。对于offset类型默认是左开右闭的即默认为right。可以根据情况指定为left both等。
axis:方向(轴),一般都是0。
举例
一个简单的场景,从A向B运送东西,我们想看一下以3秒作为一个时间窗运送的量。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
# A地有两个仓库,都运往B。
df = pd.DataFrame({ '1' : [ 'A1' , 'A2' , 'A1' , 'A2' , 'A2' , 'A1' , 'A2' ],
'2' : [ 'B1' , 'B1' , 'B1' , 'B1' , 'B1' , 'B1' , 'B1' ],
'num' : [ 1 , 2 , 1 , 3 , 4 , 2 , 1 ]},
index = [pd.Timestamp( '20130101 09:00:00' ),
pd.Timestamp( '20130101 09:00:01' ),
pd.Timestamp( '20130101 09:00:02' ),
pd.Timestamp( '20130101 09:00:03' ),
pd.Timestamp( '20130101 09:00:04' ),
pd.Timestamp( '20130101 09:00:05' ),
pd.Timestamp( '20130101 09:00:06' )])
# 1 2 num
# 2013-01-01 09:00:00 A1 B1 1
# 2013-01-01 09:00:01 A2 B1 2
# 2013-01-01 09:00:02 A1 B1 1
# 2013-01-01 09:00:03 A2 B1 3
# 2013-01-01 09:00:04 A2 B1 4
# 2013-01-01 09:00:05 A1 B1 2
# 2013-01-01 09:00:06 A2 B1 1
|
使用rolling进行计算
1
2
3
4
5
6
7
8
9
10
11
12
|
# 首先我们先对groupby进行聚合(如果只有从A->B,那么不用聚合一个rolling就可以)
# 以9:00:04秒为例,由于时间窗是3s,默认的closed是right,所以我们相加04,03,02秒的num,共有4+3+0=7
df.groupby([ '1' , '2' ])[ 'num' ].rolling( '3s' ). sum ()
# 1 2
# A1 B1 2013-01-01 09:00:00 1.0
# 2013-01-01 09:00:02 2.0
# 2013-01-01 09:00:05 2.0
# A2 B1 2013-01-01 09:00:01 2.0
# 2013-01-01 09:00:03 5.0
# 2013-01-01 09:00:04 7.0
# 2013-01-01 09:00:06 5.0
# Name: num, dtype: float64
|
由于使用groupby,所以最后的结果是MultiIndex,想使用正常格式在DataFrame上使用reset_index()即可。
以上这篇对pandas中时间窗函数rolling的使用详解就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持服务器之家。
原文链接:https://blog.csdn.net/wj1066/article/details/78853717