Question

我不确定我是否理解Pandas min_periods函数中的参数rolling：为什么它必须小于window参数？我想用一个十个值的窗口计算（例如）滚动最大值减去滚动最小值但是我想在开始计算之前等待20个值：

In[1]:  import pandas as pd
In[2]:  import numpy as np
In[3]:  df = pd.DataFrame(columns=['A','B'], data=np.random.randint(low=0,high=100,size=(100,2)))
In[4]:  roll = df['A'].rolling(window=10, min_periods=20)
In[5]:  df['C'] = roll.max() - roll.min()

In[6]:  roll
Out[6]: Rolling [window=10,min_periods=20,center=False,axis=0]

In[7]:  df['C'] = roll.max()-roll.min()

我收到以下错误：

ValueError: Invalid min_periods size 20 greater than window 10

我认为min_periods可以告诉函数在开始计算之前必须等待多少个值。文档说：

min_periods：int，默认无

具有值所需的窗口中的最小观察数   （否则结果是NA）

我在这里没有注意到“在窗口”的细节...... 那么实现我想要达到的目标的最有效方法是什么？我应该做点什么：

roll = df.loc[20:,'A'].rolling(window=10)
df['C'] = roll.max() - roll.min()

有更有效的方法吗？

Answer 1

min_period = n选项只是意味着您至少需要n次有效观察来计算滚动统计数据。

示例，假设min_period = 5并且您在最后rolling mean次观察中得到10。现在，如果最后6次观察的10实际上缺少值，会发生什么？然后，鉴于4<5（实际上，这里只有4个非缺失值，并且您需要至少5个非缺失的观测值），滚动平均值也将丢失。

这是一个非常非常重要的选择。

来自文档

min_periods：int，default无最小观察数窗口需要有一个值（否则结果是NA）。

Answer 2

min period参数只是将函数应用于比滚动窗口更小的样本的一种方法。因此，假设您希望窗口的滚动最小值为10，通过5的最小周期参数将允许计算前5个数据的最小值，然后是前6个，然后是7,8,9，最后是10个。现在，大熊猫可以开始滚动他的10个数据点窗口，因为它有10个以上的数据点，它将保持10个周期窗口。

Python Pandas滚动函数

2 个答案: