欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

对pandas中时间窗函数rolling的使用详解

程序员文章站 2022-04-17 12:56:19
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r...

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

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。

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。

# 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。

# 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

# 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。