Pandas_cum累積計算和rolling滾動計算的用法詳解
Pandas主要統(tǒng)計特征函數(shù):
| 方法名 | 函數(shù)功能 |
|---|---|
| sum() | 計算數(shù)據(jù)樣本的總和(按列計算) |
| mean() | 計算數(shù)據(jù)樣本的算術(shù)平均數(shù) |
| var() | 計算數(shù)據(jù)樣本的方差 |
| std() | 計算數(shù)據(jù)樣本的標(biāo)準(zhǔn)差 |
| corr() | 計算數(shù)據(jù)樣本的Spearman(Pearman)相關(guān)系數(shù)矩陣 |
| cov() | 計算數(shù)據(jù)樣本的協(xié)方差矩陣 |
| skew() | 樣本值的偏度(三階矩) |
| kurt() | 樣本值的峰度(四階矩) |
| describe() | 給出樣本的基本描述(基本統(tǒng)計量如均值、標(biāo)準(zhǔn)差等) |
cum累積計算函數(shù)
cum系列函數(shù)是作為DataFrame或Series對象的方法出現(xiàn)的,因此命令格式為D.cumsum()
| 方法名 | 函數(shù)功能 |
|---|---|
| cumsum() | 依次給出前1、2、… 、n個數(shù)的和 |
| cumprod() | 依次給出前1、2、… 、n個數(shù)的積 |
| cummax() | 依次給出前1、2、… 、n個數(shù)的最大值 |
| cummin() | 依次給出前1、2、… 、n個數(shù)的最小值 |
計算出前n項和:
D=pd.Series(range(0,20)) D.cumsum() 0 0 1 1 2 3 3 6 .... 19 190 dtype: int64
rolling滾動計算函數(shù)
rolling_系列是pandas的函數(shù),不是DataFrame或Series對象的方法,其格式為pd.rolling_mean(D,k),其中每k列計算一次平均值,滾動計算。
| 方法名 | 函數(shù)功能 |
|---|---|
| rolling_sum() | 計算數(shù)據(jù)樣本的總和(按列計算) |
| rolling_mean() | 數(shù)據(jù)樣本的算術(shù)平均數(shù) |
| rolling_var() | 計算數(shù)據(jù)樣本的方差 |
| rolling_std() | 計算數(shù)據(jù)樣本的標(biāo)準(zhǔn)差 |
| rolling_corr() | 計算數(shù)據(jù)樣本的Spearman(Pearman)相關(guān)系數(shù)矩陣 |
| rolling_cov() | 計算數(shù)據(jù)樣本的協(xié)方差矩陣 |
| rolling_skew() | 樣本值的偏度(三階矩) |
| rolling_kurt() | 樣本值的峰度(四階矩) |
依次對相鄰兩項求和:
pd.rolling_sum(D,2) 0 NaN 1 1.0 2 3.0 3 5.0 4 7.0 .... 19 37.0 dtype: float64
以上這篇Pandas_cum累積計算和rolling滾動計算的用法詳解就是小編分享給大家的全部內(nèi)容了,希望能給大家一個參考,也希望大家多多支持腳本之家。
相關(guān)文章
Tensorflow之MNIST CNN實現(xiàn)并保存、加載模型
這篇文章主要為大家詳細(xì)介紹了Tensorflow之MNIST CNN實現(xiàn)并保存、加載模型,文中示例代碼介紹的非常詳細(xì),具有一定的參考價值,感興趣的小伙伴們可以參考一下2020-06-06
Python實現(xiàn)的旋轉(zhuǎn)數(shù)組功能算法示例
這篇文章主要介紹了Python實現(xiàn)的旋轉(zhuǎn)數(shù)組功能算法,結(jié)合實例形式總結(jié)分析了數(shù)組旋轉(zhuǎn)算法的原理與實現(xiàn)技巧,需要的朋友可以參考下2019-02-02
Python使用selenium實現(xiàn)網(wǎng)頁用戶名 密碼 驗證碼自動登錄功能
這篇文章主要介紹了Python使用selenium實現(xiàn)網(wǎng)頁用戶名 密碼 驗證碼自動登錄功能,實現(xiàn)思路很簡單,感興趣的朋友跟隨腳本之家小編一起學(xué)習(xí)吧2018-05-05
Python圖像運(yùn)算之圖像點(diǎn)運(yùn)算與灰度化處理詳解
這篇文章主要介紹了圖像點(diǎn)運(yùn)算的灰度化處理的相關(guān)知識,包括各種灰度算法的實現(xiàn),以及灰度線性變換和灰度非線性變換。需要的可以參考一下2022-02-02
淺談Pandas dataframe數(shù)據(jù)處理方法的速度比較
這篇文章主要介紹了淺談Pandas dataframe數(shù)據(jù)處理方法的速度比較,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2021-04-04

