Python NumPy实现Rolling滚动窗口计算详解

NumPy实现Rolling滚动窗口的方法

与Pandas不同，NumPy没有直接提供rolling方法，但可以通过一种技巧让NumPy在C代码内部执行此类循环操作。

该技巧的核心在于添加一个与窗口大小相同的额外维度，并设置适当的步幅。

import numpy as np
data = 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]: 9.5

np.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])

Pandas中Rolling与Expanding函数解析

补充知识：了解Pandas中的rolling函数和expanding函数。

在数据分析，尤其是时间序列分析中，常需对序列进行固定长度窗口的滚动计算，如计算移动均线。任何从时序生成新时序的需求，通常都涉及窗口滚动。Pandas中，DataFrame和Series均提供rolling()函数，其参数包括：DataFrame.rolling(window, min_periods=None, center=False, win_type=None, on=None, axis=0, closed=None)。

参数window可为正整数或offset（时间区间长度），用于设定窗口长度；min_periods指定窗口内所需的最小观测值，若窗口成员数少于该值，计算结果返回NaN。例如，min_periods设为3而窗口仅有两个成员时，对应位置返回空值；center参数设为True时，以当前label为中心向两侧取值，False（默认）则以当前label为窗口最右侧向左取值。需注意，当center为True且窗口长度为偶数时，默认中心位置为中间偏右；win_type参数用于指定窗口类型及成员权重，默认为等权重；on参数指定对特定列进行rolling操作而非默认对index操作，且指定列必须为时间序列，否则rolling函数失效。

以下示例中，窗口长度为3，min_periods设为2。首个元素为NaN，因第一个窗口仅含一个值1，不满足min_periods=2的要求，故返回空值；从第二个元素开始才有非空值，这体现了min_periods的作用。当center设为True且窗口长度为偶数4时，如窗口[a,b,c,d]，中心值为偏右的c，此时第1个窗口覆盖元素为1和2，和为3。

import pandas as pd
import numpy as np
df=pd.DataFrame([1,2,3,5],columns=['a'])
df
	a
0	1
1	2
2	3
3	5
 
df.rolling(3,min_periods=2).sum()
     a
0	NaN
1	3.0
2	6.0
3	10.0
 
df.rolling(4,min_periods=2,center=True).sum()
     a
0	3.0
1	6.0
2	11.0
3	10.0

rolling函数返回window对象或rolling子类，可通过调用mean(),sum(),std(),count()等方法计算窗口值，或通过apply(func)自定义函数计算特定值，具体参考文档。

由上可知，rolling窗口可向前或向两侧取值，但无法直接向后取值。实际上，只需将原序列倒序排列后再向前取值即可实现向后取值。此外，介绍expanding函数，其定义为DataFrame.expanding(min_periods=1, center=False, axis=0)，参数意义与rolling相同，但窗口长度不断扩展而非固定。

以上关于Python NumPy实现rolling滚动案例的内容分享完毕，希望能提供参考，并感谢支持。