python中numpy如何實(shí)現(xiàn)rolling滾動(dòng)

小編這次要給大家分享的是python中numpy如何實(shí)現(xiàn)rolling滾動(dòng)，文章內(nèi)容豐富，感興趣的小伙伴可以來(lái)了解一下，希望大家閱讀完這篇文章之后能夠有所收獲。

相比較pandas，numpy并沒(méi)有很直接的rolling方法，但是numpy 有一個(gè)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(guò)添加一個(gè)與窗口大小相同的額外尺寸和適當(dāng)?shù)牟椒鶃?lái)實(shí)現(xiàn)的。

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])

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

在數(shù)據(jù)分析時(shí)，特別是在分析時(shí)間序列數(shù)據(jù)時(shí)，常會(huì)需要對(duì)一個(gè)序列進(jìn)行固定長(zhǎng)度窗口的滾動(dòng)計(jì)算和分析，比如計(jì)算移動(dòng)均線。只要是需要根據(jù)一個(gè)時(shí)序得到一個(gè)新的時(shí)序，就往往需要進(jìn)行窗口滾動(dòng)。在pandas中，DataFrame和Seies都有一個(gè)針對(duì)滾動(dòng)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(gè)正整數(shù)或者一個(gè)offset（可以認(rèn)為是時(shí)間區(qū)間長(zhǎng)度），通過(guò)這個(gè)參數(shù)設(shè)置窗口長(zhǎng)度；min_periods表示窗口中需要的最小的觀測(cè)值，如果窗口中的成員個(gè)數(shù)少于這個(gè)設(shè)定的值，則這個(gè)窗口經(jīng)過(guò)計(jì)算后就會(huì)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(gè)成員，那么該窗口對(duì)應(yīng)的位置就會(huì)返回空值；center參數(shù)如果設(shè)為T(mén)rue，表示在取窗口覆蓋的區(qū)間時(shí)，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T(mén)rue時(shí)，如果窗口長(zhǎng)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(zhǎng)度為偶數(shù)，則默認(rèn)中心位置為中間偏右的那一個(gè)位置；win_type參數(shù)表示不同的窗口類(lèi)型，可以通過(guò)這個(gè)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(duì)某一列進(jìn)行rolling，而不是默認(rèn)的對(duì)index進(jìn)行rolling，要注意的是，當(dāng)指定on參數(shù)時(shí)，指定的列必須是時(shí)間序列，不然rolling函數(shù)就會(huì)失效。

下面看一個(gè)簡(jiǎn)單的例子。下面的例子中，當(dāng)窗口長(zhǎng)度為3，設(shè)min_periods為2時(shí)，可知結(jié)果中第一個(gè)元素為NaN，因?yàn)榈谝粋€(gè)窗口只有一個(gè)值1，由于min_periods為2，所以至少需要包含兩個(gè)數(shù)才行，故第一個(gè)值為空值，從第二個(gè)元素開(kāi)始才有非空值，這就是min_periods參數(shù)的含義。當(dāng)設(shè)置center為T(mén)rue時(shí)，如果窗口長(zhǎng)度為偶數(shù)4，比如對(duì)于一個(gè)窗口[a,b,c,d]，則中心值為中心偏右的那個(gè)位置，就是c，故此時(shí)第1個(gè)窗口覆蓋的元素為1和2，所以和為3，如下所示。

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函數(shù)返回的是window對(duì)象或rolling子類(lèi)，可以通過(guò)調(diào)用該對(duì)象的mean(),sum(),std(),count()等函數(shù)計(jì)算返回窗口的值，還可以通過(guò)該對(duì)象的apply(func)函數(shù)，通過(guò)自定義函數(shù)計(jì)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(méi)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?cè)僦v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(zhǎng)度，其長(zhǎng)度是不斷的擴(kuò)大的。

看完這篇關(guān)于python中numpy如何實(shí)現(xiàn)rolling滾動(dòng)的文章，如果覺(jué)得文章內(nèi)容寫(xiě)得不錯(cuò)的話(huà)，可以把它分享出去給更多人看到。