相比較pandas，numpy并沒有很直接的rolling方法，但是numpy 有一個技巧可以讓NumPy在C代碼內(nèi)部執(zhí)行這種循環(huán)。

這是通過添加一個與窗口大小相同的額外尺寸和適當(dāng)?shù)牟椒鶃韺?shí)現(xiàn)的。

import numpy as npdata = np.arange(20)def rolling_window(a, window): shape = a.shape[:-1] + (a.shape[-1] - window + 1, window) strides = a.strides + (a.strides[-1],) return np.lib.stride_tricks.as_strided(a, shape=shape, strides=strides)rolling_window(data,10)Out[12]: array([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9], [ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10], [ 2, 3, 4, 5, 6, 7, 8, 9, 10, 11], [ 3, 4, 5, 6, 7, 8, 9, 10, 11, 12], [ 4, 5, 6, 7, 8, 9, 10, 11, 12, 13], [ 5, 6, 7, 8, 9, 10, 11, 12, 13, 14], [ 6, 7, 8, 9, 10, 11, 12, 13, 14, 15], [ 7, 8, 9, 10, 11, 12, 13, 14, 15, 16], [ 8, 9, 10, 11, 12, 13, 14, 15, 16, 17], [ 9, 10, 11, 12, 13, 14, 15, 16, 17, 18], [10, 11, 12, 13, 14, 15, 16, 17, 18, 19]])np.mean(rolling_window(data,10))Out[13]: 9.5np.mean(rolling_window(data,10),-1)Out[14]: array([ 4.5, 5.5, 6.5, 7.5, 8.5, 9.5, 10.5, 11.5, 12.5, 13.5, 14.5])

補(bǔ)充知識：pandas中的滾動窗口rolling函數(shù)和擴(kuò)展窗口expanding函數(shù)

在數(shù)據(jù)分析時，特別是在分析時間序列數(shù)據(jù)時，常會需要對一個序列進(jìn)行固定長度窗口的滾動計算和分析，比如計算移動均線。只要是需要根據(jù)一個時序得到一個新的時序，就往往需要進(jìn)行窗口滾動。在pandas中，DataFrame和Seies都有一個針對滾動窗口的函數(shù)，叫做rolling()。其具體的參數(shù)為：DataFrame.rolling(window, min_periods=None, center=False, win_type=None, on=None, axis=0, closed=None)

其中參數(shù)window可以為一個正整數(shù)或者一個offset（可以認(rèn)為是時間區(qū)間長度），通過這個參數(shù)設(shè)置窗口長度；min_periods表示窗口中需要的最小的觀測值，如果窗口中的成員個數(shù)少于這個設(shè)定的值，則這個窗口經(jīng)過計算后就會返回NaN，比如，如果min_periods設(shè)為3,但當(dāng)前的窗口中只有兩個成員，那么該窗口對應(yīng)的位置就會返回空值；center參數(shù)如果設(shè)為True，表示在取窗口覆蓋的區(qū)間時，以當(dāng)前l(fā)abel為中心，向兩邊取，若為False，則表示以當(dāng)前l(fā)abel為窗口的最右側(cè)，向左側(cè)取，默認(rèn)為False，要注意的是，當(dāng)為True時，如果窗口長度為奇數(shù)，則中心位置很好確定，就是最中間的位置，但是如果長度為偶數(shù)，則默認(rèn)中心位置為中間偏右的那一個位置；win_type參數(shù)表示不同的窗口類型，可以通過這個參數(shù)給窗口成員賦予不同的權(quán)重，默認(rèn)為等權(quán)重；on參數(shù)表示指定對某一列進(jìn)行rolling，而不是默認(rèn)的對index進(jìn)行rolling，要注意的是，當(dāng)指定on參數(shù)時，指定的列必須是時間序列，不然rolling函數(shù)就會失效。

下面看一個簡單的例子。下面的例子中，當(dāng)窗口長度為3，設(shè)min_periods為2時，可知結(jié)果中第一個元素為NaN，因為第一個窗口只有一個值1，由于min_periods為2，所以至少需要包含兩個數(shù)才行，故第一個值為空值，從第二個元素開始才有非空值，這就是min_periods參數(shù)的含義。當(dāng)設(shè)置center為True時，如果窗口長度為偶數(shù)4，比如對于一個窗口[a,b,c,d]，則中心值為中心偏右的那個位置，就是c，故此時第1個窗口覆蓋的元素為1和2，所以和為3，如下所示。

import pandas as pdimport numpy as npdf=pd.DataFrame([1,2,3,5],columns=[’a’])dfa01122335 df.rolling(3,min_periods=2).sum() a0NaN13.026.0310.0 df.rolling(4,min_periods=2,center=True).sum() a03.016.0211.0310.0

rolling函數(shù)返回的是window對象或rolling子類，可以通過調(diào)用該對象的mean(),sum(),std(),count()等函數(shù)計算返回窗口的值，還可以通過該對象的apply(func)函數(shù)，通過自定義函數(shù)計算窗口的特定的值，具體可看文檔。

從以上可以看出，rolling的窗口可以向前取值，向兩邊取值，但是沒有向后取值，實(shí)際上只需要把原序列倒序排列后再向前取值就可以實(shí)現(xiàn)向后取值。下面我們再講一下expanding函數(shù)，其為DataFrame.expanding(min_periods=1, center=False, axis=0)，其中參數(shù)的意義和rolling一樣，只是其不是固定窗口長度，其長度是不斷的擴(kuò)大的。

以上這篇python numpy實(shí)現(xiàn)rolling滾動案例就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持好吧啦網(wǎng)。