时间序列——滑动窗口

滑动窗口是什么？

滑动窗口就是能够根据指定的单位长度来框住时间序列，从而计算框内的统计指标。相当于一个长度指定的滑块正在刻度尺上面滑动，每滑动一个单位即可反馈滑块内的数据。

看个例子

import numpy as np
import pandas as pd

#时间序列ts
sales= pd.read_csv(r'G:\kaggle\FutureSales\sales_train.csv')
ts= sales.groupby(["date_block_num"])['item_cnt_day'].sum()#月销量
ts= pd.Series(ts)
print(ts[:10])

date_block_num
0    131479.0
1    128090.0
2    147142.0
3    107190.0
4    106970.0
5    125381.0
6    116966.0
7    125291.0
8    133332.0
9    127541.0
Name: item_cnt_day, dtype: float64

指定一个该序列单位长度为10的滑块：

r= ts.rolling(window=10)#Rolling [window=10,center=False,axis=0]

统计滑块内的均值、方差、标准差中位数、和等：

r.mean(), r.var(), r.std(), r.median(), r.skew()
print(r.mean().head(20))

date_block_num
0          NaN
1          NaN
2          NaN
3          NaN
4          NaN
5          NaN
6          NaN
7          NaN
8          NaN
9     124938.2
10    124791.2
11    130316.4
12    127292.1
13    127541.8
14    128374.5
15    125492.0
16    123574.4
17    120788.2
18    116583.0
19    114101.0
Name: item_cnt_day, dtype: float64

2017-10-10处为前10个值的平均值，也即是滑窗开始时候，滑块内的统计指标。

原始序列图：

import matplotlib.pyplot as plt
plt.figure(figsize=(16,5))
plt.plot(ts)
plt.show()

采用长度为12的滑窗后的统计指标——均值、标准差情况图：

plt.figure(figsize=(16,5))
plt.plot(ts.rolling(window=12).mean(), label='Rolling Mean')
plt.plot(ts.rolling(window=12).std(), label='Rolling Std')
plt.legend()
plt.show()