溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章給大家介紹如何正確的使用Pandas_cum累積計算，內容非常詳細，感興趣的小伙伴們可以參考借鑒，希望對大家能有所幫助。
Pandas主要統(tǒng)計特征函數：
| 方法名 | 函數功能 |
|---|---|
| sum() | 計算數據樣本的總和（按列計算） |
| mean() | 計算數據樣本的算術平均數 |
| var() | 計算數據樣本的方差 |
| std() | 計算數據樣本的標準差 |
| corr() | 計算數據樣本的Spearman（Pearman）相關系數矩陣 |
| cov() | 計算數據樣本的協方差矩陣 |
| skew() | 樣本值的偏度（三階矩） |
| kurt() | 樣本值的峰度（四階矩） |
| describe() | 給出樣本的基本描述（基本統(tǒng)計量如均值、標準差等） |
cum累積計算函數
cum系列函數是作為DataFrame或Series對象的方法出現的，因此命令格式為D.cumsum()
| 方法名 | 函數功能 |
|---|---|
| cumsum() | 依次給出前1、2、… 、n個數的和 |
| cumprod() | 依次給出前1、2、… 、n個數的積 |
| cummax() | 依次給出前1、2、… 、n個數的最大值 |
| cummin() | 依次給出前1、2、… 、n個數的最小值 |
計算出前n項和：
D=pd.Series(range(0,20)) D.cumsum() 0 0 1 1 2 3 3 6 .... 19 190 dtype: int64
rolling滾動計算函數
rolling_系列是pandas的函數，不是DataFrame或Series對象的方法，其格式為pd.rolling_mean(D,k)，其中每k列計算一次平均值，滾動計算。
| 方法名 | 函數功能 |
|---|---|
| rolling_sum() | 計算數據樣本的總和（按列計算） |
| rolling_mean() | 數據樣本的算術平均數 |
| rolling_var() | 計算數據樣本的方差 |
| rolling_std() | 計算數據樣本的標準差 |
| rolling_corr() | 計算數據樣本的Spearman（Pearman）相關系數矩陣 |
| rolling_cov() | 計算數據樣本的協方差矩陣 |
| rolling_skew() | 樣本值的偏度（三階矩） |
| rolling_kurt() | 樣本值的峰度（四階矩） |
依次對相鄰兩項求和：
pd.rolling_sum(D,2) 0 NaN 1 1.0 2 3.0 3 5.0 4 7.0 .... 19 37.0 dtype: float64
關于如何正確的使用Pandas_cum累積計算就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。
免責聲明：本站發(fā)布的內容（圖片、視頻和文字）以原創(chuàng)、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
