具有特定数字跨度的熊猫滚动功能？

Question

从 Pandas 0.18.0 开始，可以通过指定时间跨度来为时间序列设置可变滚动窗口大小。例如，在数据帧dft 中对 2 秒窗口求和的代码如下所示：

dft.rolling('2s').sum()

可以对非日期时间跨度做同样的事情吗？

例如，给定一个如下所示的数据框：

    A   B
0   1   1
1   2   2
2   3   3
3   5   5
4   6   6
5   7   7
6  10  10

是否可以在“A”列上指定一个窗口跨度为 3，并计算“B”列的总和，以便输出看起来像：

    A    B
0   1  NaN
1   2  NaN
2   3    5
3   5   10
4   6   14
5   7   18
6  10   17

Answer 1

不适用于rolling()。有关 window 参数，请参见 documentation：

[A variable-sized window] 仅对 datetimelike 索引有效。

全文：

窗口：整数或偏移量
移动窗口的大小。这是用于计算统计量的观察数。每个窗口的大小都是固定的。
如果它是一个偏移量，那么这将是每个窗口的时间段。每个窗口的大小将根据时间段中包含的观察结果变化。这仅对 datetimelike 索引有效。

Answer 2

如果您有兴趣，这里有一个解决方法。

df = pd.DataFrame({'A' : np.arange(10),
                   'B' : np.arange(10,20)},
                  index=[1,2,3,5,8,9,11,14,19,20])

def var_window(df, size, min_periods=None):
    """Operates on the index."""
    result = []
    df = df.sort_index()
    for i in df.index:
        start = i - size + 1
        res = df.loc[start:i].sum().tolist()
        result.append(res)
    result = pd.DataFrame(result, index=df.index)
    if min_periods:
        result.loc[:min_periods - 1] = np.nan
    return result

print(var_window(df, size=3, min_periods=3, inclusive=True))
       0     1
1    NaN   NaN
2    NaN   NaN
3    3.0  33.0
5    5.0  25.0
8    4.0  14.0
9    9.0  29.0
11  11.0  31.0
14   7.0  17.0
19   8.0  18.0
20  17.0  37.0

解释：循环遍历索引。在每个值处，将 DataFrame 截断为尾随窗口大小。这里的“大小”不是计数，而是您定义的范围。

在上面，在索引值为 8 时，您对索引为 8、7 或 6 的 A 的值求和。（即 > 8 - 3 + 1）。落在该范围内的唯一索引值是 8，因此总和就是原始帧的值。相比之下，对于索引值 11，总和将包括 9 和 11 的值（5 + 6 = 11，A 的结果总和）。

将此与标准滚动操作进行比较：

print(df.rolling(window=3).sum())
       A     B
1    NaN   NaN
2    NaN   NaN
3    3.0  33.0
5    6.0  36.0
8    9.0  39.0
9   12.0  42.0
11  15.0  45.0
14  18.0  48.0
19  21.0  51.0
20  24.0  54.0

如果我误解了您的问题，请告诉我怎么做。诚然，它的速度要慢得多：

%timeit df.rolling(window=3).sum()
1000 loops, best of 3: 627 µs per loop

%timeit var_window(df, size=3, min_periods=3)
100 loops, best of 3: 3.59 ms per loop