python时间序列分析之_用pandas中的rolling函数计算时间窗口数据（讲的透彻，NBplus）
时点的数据波动较大，某一点的数据不能很好的表现它本身的特性，于是我们就想，能否用一个区间的的数据去表现呢，这样数据的准确性是不是更好一些呢？因此，引出滑动窗口(移动窗口)的概念，简单点说，为了提升数据的可靠性，将某个点的取值扩大到包含这个点的一段区间，用区间来进行判断，这个区间就是窗口。如下面的示意图所示，其中时间序列数据代表的是15日每日的温度，现在我们以3天为一个窗口，将这个窗口从左至右依次滑动，统计出3天的平均值作为这个点的值，比如3号的温度就是1号、2号、3号的平均温度，通过示意图我们已经理解了滑动窗口，下面我们就看看pandas中使用的函数及各参数的含义。
滑动窗口示意图
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | ||
| 5 | 7 | 6 | 5 | 9 | 1 | 4 | 5 | 4 | 4 | 6 | 7 | 9 | 13 | 6 | ||
| 滑窗数=3 | ||||||||||||||||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | ||
| 5 | 7 | 6 | 5 | 9 | 1 | 4 | 5 | 4 | 4 | 6 | 7 | 9 | 13 | 6 | ||
| 滑窗数=3 | ||||||||||||||||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | ||
| 5 | 7 | 6 | 5 | 9 | 1 | 4 | 5 | 4 | 4 | 6 | 7 | 9 | 13 | 6 | ||
| 滑窗数=3 | ||||||||||||||||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | ||
| 5 | 7 | 6 | 5 | 9 | 1 | 4 | 5 | 4 | 4 | 6 | 7 | 9 | 13 | 6 | ||
| 滑窗数=3 | ||||||||||||||||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | ||
| 5 | 7 | 6 | 5 | 9 | 1 | 4 | 5 | 4 | 4 | 6 | 7 | 9 | 13 | 6 | ||
| 滑窗数=3 | ||||||||||||||||
pandas.DataFrame.rolling参数详解
pandas中提供了pandas.DataFrame.rolling这个函数来实现滑动窗口值计算，下面是这个函数的原型：
DataFrame.rolling(window, min_periods=None, center=False, win_type=None, on=None, axis=0, closed=None)，参数含义如下图：
| 参数 | 参数说明 |
| windws | 滑窗大小，注意两种形式int或者offset。如果使用int，则数值via哦是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。 |
| min_periods | 每个窗口最少包含的观测值数量，小于这个值的窗口结果为NA.值可以是int，默认NONE。offset情况下，默认为1 |
| center | 把窗口的标签设置为居中。布尔型默认为False，默认为1。 |
| win_type | 窗口的类型。截取窗的各种函数。字符串类型，默认为None |
| on | 可选参数。对于dataframe而言，制定要计算滚动窗口的列。值为列名。 |
| axis | int、字符串。默认为0，即对列进行计算 |
| closed | 定义区间的开闭，支持int类型的Window。offset类型的默认为佐凯右闭的。即默认为right。 |
用法代码演示
上面我们介绍了滑动窗口的概念及实现函数的参数，下面我们通过代码演示，依次展示各参数的作用。
import matplotlib.pylab as pltimport numpy as npimport pandas as pdindex=pd.date_range('20190116','20190130')data=[4,8,6,5,9,1,4,5,2,4,6,7,9,13,6]ser_data=pd.Series(data,index=index)
如上图所示，当窗口开始滑动时，第一个时间点和第二个时间点的时间为空，这是因为这里窗口长度为3，他们前面的数都不够3，所以到2019-01-18时，他的数据就是2019-01-16到2019-01-18三天的均值。那么有人就会这样想，在计算2019-01-16序列的窗口数据时，虽然不够窗口长度3，但是至少有当天的数据，那么能否就用当天的数据代表窗口数据呢？答案是肯定的，这里我们可以通过min_periods参数控制，表示窗口最少包含的观测值，小于这个值的窗口长度显示为空，等于和大于时有值，如下所示：
#表示窗口最少包含的观测值为1ser_data.rolling(3,min_periods=1).mean()
index=pd.date_range('20190116','20190216')np.random.seed(2)data=np.random.randint(20,size=len(index))ser_data=pd.Series(data,index=index)plt.figure(figsize=(15, 5))ser_data.plot(style='r--')ser_data.rolling(3).mean().plot(style='b')
红色是原始序列折线图，蓝色是窗口平均