（八）Pandas窗口数据与数据读写学习简要笔记 #Python #CDA学习打卡

一. 窗口数据(Window Functions)

Pandas提供了窗口函数(Window Functions)用于在数据上执行滑动窗口操作，可以对数据进行滚动计算、滑动统计等操作。需要注意的是，在使用窗口函数时，需要根据实际需求选择合适的窗口大小和窗口函数，并确保数据的顺序和窗口大小的一致性。本文主要介绍滚动计算函数，以下是一些常用操作和示例代码。

1）滚动计算函数简介

滚动计算（Rolling Calculation）是一种数据处理技术，它在时间序列数据或数据框中执行基于移动窗口的计算。为了提升数据的准确性，将某个点的取值扩大到包含这个点的一段区间，用区间来进行判断，这个区间就是窗口。移动窗口就是窗口向一端滑行，默认是从右往左，每次滑行并不是区间整块的滑行，而是一个单位一个单位的滑行。

滚动统计函数rolling()又叫移动窗口函数，此函数可以应用于一系列数据，指定参数window=n，并在其上调用适合的统计函数。在Pandas中，要使用rolling方法，首先需要创建一个rolling对象。rolling对象可以应用于数据框的列，它表示一个窗口，用于滚动计算。

rolling_obj = df['column_name'].rolling(window=window_size)

其中：

df['column_name'] 是数据框列的选择，表示我们要在哪个列上执行滚动计算。
window_size 是窗口的大小，用于定义滚动窗口的大小。

滑动统计函数表达方式为：

rolling(window, min_periods=None, center=False, win_type=None, on=None, axis=0, closed=None)

其中参数包括：

window：可选参数，表示时间窗的大小，注意有两种形式(int或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。
min_periods：每个窗口最少包含的观测值数量，小于这个值的窗口结果为NaN，用于处理边界效应。值可以是int，默认None，offset情况下，默认为1。
center：把窗口的标签设置为居中。布尔型，默认False，居右
win_type：窗口的类型，如矩形窗口或指数加权窗口。截取窗的各种函数，字符串类型，默认为None.
on：可选参数，对于dataframe而言，指定要计算滚动窗口的列，值为列名。
axis：int、字符串，默认为0，即对列进行计算
closed：定义区间的开闭，支持int类型的window。对于offset类型默认是左开右闭，默认为right，可以根据情况指定为left、both等。