Python Pandas 滚动函数答案

【问题标题】：Python Pandas rolling functionsPython Pandas 滚动函数
【发布时间】：2016-11-04 08:00:54
【问题描述】：

我不确定我是否理解 Pandas rolling 函数中的参数 min_periods：为什么它必须小于 window 参数？我想计算（例如）滚动最大值减去滚动最小值，窗口为 10 个值，但我想在开始计算之前等待 20 个值：

In[1]:  import pandas as pd
In[2]:  import numpy as np
In[3]:  df = pd.DataFrame(columns=['A','B'], data=np.random.randint(low=0,high=100,size=(100,2)))
In[4]:  roll = df['A'].rolling(window=10, min_periods=20)
In[5]:  df['C'] = roll.max() - roll.min()

In[6]:  roll
Out[6]: Rolling [window=10,min_periods=20,center=False,axis=0]

In[7]:  df['C'] = roll.max()-roll.min()

我收到以下错误：

ValueError: Invalid min_periods size 20 greater than window 10

我认为min_periods 是用来告诉函数在开始计算之前必须等待多少个值。文档说：

min_periods : int，默认无

具有值所需的窗口中的最小观察次数（否则结果为 NA）

我没有注意这里的“窗口内”细节...... 那么实现我想要实现的目标的最有效方法是什么？我应该这样做：

roll = df.loc[20:,'A'].rolling(window=10)
df['C'] = roll.max() - roll.min()

有没有更有效的方法？

【问题讨论】：

如果您的窗口宽度为 10 个观察值，但您需要 20 个观察值来进行计算，您认为您可以完成多少个计算？
你的句子`但我想在开始计算之前等待大概 20 个值：` 不清楚。我认为您对如何计算滚动计算感到困惑。
我承认我的问题不是很清楚。例如，我想计算一个时间序列索引从 2016 年 1 月 1 日开始的数据集的滚动平均值。我想计算 2016 年除 1 月之外的滚动平均值。

标签： python pandas

【解决方案1】：

min_period = n 选项仅表示您至少需要n 有效观察值来计算滚动统计信息。

例如，假设 min_period = 5 并且您在最后的 10 观察结果中有一个 rolling mean。现在，如果最后一个10 观察中的6 实际上是缺失值，会发生什么？然后，考虑到4<5（实际上，这里只有 4 个非缺失值，并且您需要至少 5 个非缺失观测值），滚动平均值也会缺失。

这是一个非常非常重要的选择。

来自文档

min_periods : int, default 无最小观察次数窗口需要有一个值（否则结果为 NA）。

【讨论】：

【解决方案2】：

最小周期参数只是一种将函数应用于比滚动窗口更小的样本的方法。所以假设你想要 10 的窗口的滚动最小值，传递 5 的 min period 参数将允许计算前 5 个数据的最小值，然后是前 6 个，然后是 7、8、9，最后是 10。现在熊猫可以开始滚动他的 10 个数据点窗口，因为它有超过 10 个数据点，它会保持 10 个周期窗口。

【讨论】：