python的rolling_mean()函数

5.1 rolling_mean函数解释

pandas.rolling_mean(arg, 
					window, 
					min_periods=None, 
					freq=None, 
					center=False, 
					how=None, **kwargs)

rolling_mean函数表示通过移动窗口求平均值，即用当前值和前[window]个数值取平均数，得到新的数值。

import pandas as pd
 
data = [3, 60, 83, 100, 52, 36]#源数据
data = pd.DataFrame(data).sort_values(0)  
w2 = pd.rolling_mean(data, 2)#设置移动窗口为2，即用当前值和前2个数值取平均数
w3 = pd.rolling_mean(data, 3)#用当前值和前3个数值取平均数
print("源数据:\n", data)
print("移动窗口数为2:\n", w2)
print("移动窗口数为3:\n", w3)

结果：
源数据:
      0
0    3
5   36
4   52
1   60
2   83
3  100
移动窗口数为2:
       0
0   NaN
5  19.5
4  44.0
1  56.0
2  71.5
3  91.5
移动窗口数为3:
            0
0        NaN
5        NaN
4  30.333333
1  49.333333
2  65.000000
3  81.000000

rolling的一系列函数中，除了rolling_mean（移动窗口的均值），还有rolling_median（移动窗口的中位数）、rolling_var （移动窗口的方差）、rolling_std （移动窗口的标准差）、rolling_cov （移动窗口的协方差）、rolling_sum （移动窗口的和）、rolling_min （移动窗口的最小值）、rolling_max （移动窗口的最大值）、rolling_corr （移动窗口的相关系数）、rolling_count （计算各个窗口中非NA观测值的数量）。最常用的还是rolling_mean了，作用类似时间序列中提到的移动平滑。