本文主要是介绍（八）Pandas窗口数据与数据读写 学习简要笔记 #Python #CDA学习打卡，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
一. 窗口数据(Window Functions)
Pandas提供了窗口函数(Window Functions)用于在数据上执行滑动窗口操作，可以对数据进行滚动计算、滑动统计等操作。需要注意的是，在使用窗口函数时，需要根据实际需求选择合适的窗口大小和窗口函数，并确保数据的顺序和窗口大小的一致性。本文主要介绍滚动计算函数，以下是一些常用操作和示例代码。
1）滚动计算函数简介
滚动计算（Rolling Calculation）是一种数据处理技术，它在时间序列数据或数据框中执行基于移动窗口的计算。为了提升数据的准确性，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。移动窗口就是窗口向一端滑行，默认是从右往左，每次滑行并不是区间整块的滑行，而是一个单位一个单位的滑行。
滚动统计函数rolling()又叫移动窗口函数，此函数可以应用于一系列数据，指定参数window=n，并在其上调用适合的统计函数。在Pandas中，要使用rolling方法，首先需要创建一个rolling对象。rolling对象可以应用于数据框的列，它表示一个窗口，用于滚动计算。
rolling_obj = df['column_name'].rolling(window=window_size)
其中：
- df['column_name'] 是数据框列的选择，表示我们要在哪个列上执行滚动计算。
- window_size 是窗口的大小，用于定义滚动窗口的大小。
滑动统计函数表达方式为：
rolling(window, min_periods=None, center=False, win_type=None, on=None, axis=0, closed=None)
其中参数包括：
- window：可选参数，表示时间窗的大小，注意有两种形式(int或offset)。如果使用int，则数值表示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NaN，用于处理边界效应。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False，居右
- win_type：窗口的类型，如矩形窗口或指数加权窗口。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，指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。对于offset类型默认是左开右闭，默认为right，可以根据情况指定为left、both等。
2）滚动计算函数常用方法
滚动计算函数常用方法包括：
- rolling_count()：计算各个窗口中非NA观测值的数量
- rolling_sum()：计算各个移动窗口中的元素之和（按列计算）
- rolling_mean()：计算各个移动窗口中元素的均值
- rolling_median()：计算各个移动窗口中元素的中位数
- rolling_var()：计算各个移动窗口中元素的方差
- rolling_std()：计算各个移动窗口中元素的标准差
- rolling_min()：计算各个移动窗口中元素的最小值
- rolling_max()：计算各个移动窗口中元素的最大值
- rolling_corr()：计算各个移动窗口中元素的相关系数
- rolling_corr_pairwise()：计算各个移动窗口中配对数据的相关系数
- rolling_cov()：计算各个移动窗口中元素的的协方差
- rolling_quantile()：计算各个移动窗口中元素的分位数
- rolling_skew()：计算样本值的偏度（三阶矩）
- rolling_kurt()：计算样本值的峰度（四阶矩）
下面只详细介绍六个方法：
（a）移动平均值(Moving Average)
window=3表示窗口大小为3，即计算每3个数据的平均值。
（b）滚动求和(Rolling Sum)
window=5表示窗口大小为5，即计算每5个数据的和。
（c）滚动最大值(Rolling Maximum)
window=7表示窗口大小为7，即计算每7个数据的最大值。
（d）滚动最小值(Rolling Minimum)
window=7表示窗口大小为7，即计算每7个数据的最小值。
（e）滚动标准差(Rolling Standard Deviation)
window=5表示窗口大小为5，即计算每5个数据的标准差。
（f）自定义窗口函数：rolling().apply()方法
custom_function是自定义的窗口函数，data是窗口中的数据，result是窗口函数的计算结果。
二. 数据读写
Pandas提供了多种读取数据的方法，包括读取CSV、Ecel、SQL数据库等。
1）CSV
（a）写出csv文件
（b）读入刚写出的文件
2）EXCEL
（a）写出excel文件
（b）读取excel文件
3）HDF
（a）写出hdf文件
（b）读入刚刚写出的文件
4）SQL
（a）写出到mysql里
（b）读入刚列写出的文件
这篇关于（八）Pandas窗口数据与数据读写 学习简要笔记 #Python #CDA学习打卡的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
