在建模過程中，我們常常需要需要對有時間關係的資料進行整理。比如我們想要得到某一時刻過去30分鐘的銷量（產量，速度，消耗量等），傳統方法複雜消耗資源較多，pandas提供的rolling使用簡單，速度較快。
函式原型和引數說明
dataframe.rolling(window, min_periods=none, freq=none, center=false, win_type=none, on=none, axis=0, closed=none)
window：表示時間窗的大小，注意有兩種形式（int or offset）。如果使用int，則數值表示計算統計量的觀測值的數量即向前幾個資料。如果是offset型別，表示時間窗的大小。pandas offset相關可以參考這裡。
min_periods：最少需要有值的觀測點的數量，對於int型別，預設與window相等。對於offset型別，預設為szxnm1。
freq：從0.18版本中已經被捨棄。
center：是否使用window的中間值作為label，預設為false。只能在window是int時使用。
# 為方便觀察，並列排列
df = pd.dataframe()
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程式設計客棧 6.0 4.0
win_type：視窗型別，預設為none一般不特殊指定，了解支援的其他視窗型別，參考這裡。
on：對於dataframe如果不使用index（索引）作為rolling的列，那麼用on來指定使用哪列。
closed：定義區間的開閉，曾經支援int型別的window，新版本已經不支援了。對於offset型別預設是左開右閉的即預設為right。可以根據情況指定為left both等。
axis：方向（軸），一般都是0。
舉例乙個簡單的場景，從a向b運送東西，我們想看一下以3秒作為乙個時間窗運送的量。
# a地有兩個倉庫，都運往b。
df = pd.dataframe(,
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 0szxnm9:00:02 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進行計算
# 首先我們先對groupby進行聚合(如果只有從a->b，那麼不用聚合乙個rolling就可以)
# 以9:00:04秒為例，由於時間窗是3s，預設的closed是right，所以我們相加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
由於使用groupby，所以最後的結果是multiindex，想使用正常格式在dataframe上使用reset_index()即可。
本文標題: 對pandas中時間窗函式rolling的使用詳解
本文位址:
對pandas中Series的map函式詳解
series的map方法可以接受乙個函式或含有對映關係的字典型物件。使用map是一種實現元素級轉換以及其他資料清理工作的便捷方式。dataframe中對應的是applymap 函式，當然dataframe還有apply 函式 1 字典對映 import pan程式設計客棧das as pd from...
pandas中的幾個時間序列生成函式
最近在處理跟時間相關的資料，用到了pandas中的datetime的幾個函式，本篇來說一下pandas中幾個常見的時間序列生成函式。pd.date range start none,end none,periods none,freq none,tz none,normalize false,nam...
pandas中to datetime 時間處理
pandas.to datetime arg，errors raise utc none，format none，unit none pandas通常用於處理成組日期，不管這些日期是dataframe的軸索引還是列，to datetime方法可以解析多種不同的日期表示形式。1 獲取指定的時間和日期 ...