df:
2013-10-24 1
2013-10-25 2
2013-11-27 3
2013-11-28 4
2013-12-01 5
2013-12-02 6
我想要的是像这样的DataFrame:
rolling_mean(df,window =’1M’):
2013-10 1.5
2013-11 3.5
2013-12 5.5
rolling_mean(df,window =’2M’):
2013-10 NAN
2013-11 2.5
2013-12 4.5
rolling_mean(df,window =’3M’):
2013-10 NAN
2013-11 NAN
2013-12 3.5
rolling_mean(df,window =’1Y’):
2013-10 NAN
2013-11 NAN
2013-12 NAN
其中1M为“1个月”,2M为“2个月”.窗口不是int值,而是时间间隔,例如’1D’,’3M’,’1Y’等.该函数可以按时间单位对数据帧进行分组,例如“D”,“M”,“Y”,然后将数据帧滚动到时间单位之前的数字,例如1,3 …
我需要像这样的滚动功能?
有人能帮助我吗?我有没有明确说明?
非常感谢.
更新:
我还有一个难题.
我需要实现这样一个函数,它可以计算每天的滚动标准偏差,而不是按月重新采样,但是窗口步长单位是按月计算的.
在这种情况下,
我所拥有的也是
DF:
2013-10-24 1
2013-10-25 2
2013-11-27 3
2013-11-28 4
2013-12-01 5
2013-12-02 6
pd.rolling_std(df.resample( ‘1M’),窗口= 1):
结果是
2013-10 NAN
2013-11 NAN
2013-12 NAN
我真的是这样的数据帧(window = 1):
2013-10 0.5
2013-11 0.5
2013-12 0.5
第一个0.5是标准偏差,可以通过10月份的np.sqrt([1,2])计算得出.
另外0.5来自[3,4]和[5,6].
但是,无论重采样函数中的=’xxx’方法如何,结果都不对.
2个月的客观结果是,
df(window = 2):
2013-10 NAN
2013-11 1.1180
2013-12 1.1180
第一个1.1180是标准偏差,可以通过10月和11月的np.sqrt([1,2,3,4])计算得出.
2013 – 12年度的1.1180来自2013-11和2013-12的[3,4,5,6].
附:
标准偏差是我想实现滚动的功能之一……
谢谢〜
解决方法:
您可以在日期列上使用to_datetime来生成datetimeindex.
df = pd.DataFrame({'value': [1, 2, 3, 4, 5, 6]},
index=['2013-10-24', '2013-10-25', '2013-11-27',
'2013-11-28', '2013-12-01', '2013-12-02'])
df.index = pd.to_datetime(df.index)
>>> pd.rolling_mean(df.resample('1M'), 1, freq='1M')
value
2013-10-31 1.5
2013-11-30 3.5
2013-12-31 5.5
>>> pd.rolling_mean(df.resample('2M'), window=1, freq='1M')
value
2013-10-31 1.5
2013-11-30 NaN
2013-12-31 4.5
>>> pd.rolling_mean(df.resample('1M'), window=2, freq='1M')
value
2013-10-31 NaN
2013-11-30 2.5
2013-12-31 4.5
>>> pd.rolling_mean(df.resample('1M'), window=3, freq='1M')
value
2013-10-31 NaN
2013-11-30 NaN
2013-12-31 3.5
>>> pd.rolling_mean(df.resample('1M'), window=12, freq='1M')
value
2013-10-31 NaN
2013-11-30 NaN
2013-12-31 NaN