Python – 熊猫的滚动差异

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了Python – 熊猫的滚动差异，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含884字，纯文字阅读大概需要2分钟。

内容图文

有没有人知道一个有效的函数/方法,如pandas.rolling_mean,它将计算数组的滚动差异

这是我最接近的解决方案：

roll_diff = pd.Series(values).diff(periods=1)

但是,它只计算单步滚动差异.理想地,步长是可编辑的(即当前时间步长和最后步骤之间的差异).

我也写过这个,但是对于更大的数组,它很慢：

def roll_diff(values,step):
    diff = []
    for i in np.arange(step, len(values)-1):
        pers_window = np.arange(i-1,i-step-1,-1)
        diff.append(np.abs(values[i] - np.mean(values[pers_window])))
    diff = np.pad(diff, (0, step+1), 'constant')
    return diff

解决方法:

关于什么：

import pandas

x = pandas.DataFrame({
    'x_1': [0, 1, 2, 3, 0, 1, 2, 500, ],},
    index=[0, 1, 2, 3, 4, 5, 6, 7])

x['x_1'].rolling(window=2).apply(lambda x: x[1] - x[0])

通常,您可以使用自己的函数替换lambda函数.请注意,在这种情况下,第一项将是NaN.

更新

定义以下内容：

def my_fun(x):
    return x[-1] - x[0]

x['x_1'].rolling(window=n_steps).apply(my_fun)

您可以计算n_steps值之间的差异.

内容总结

以上是互联网集市为您收集整理的Python – 熊猫的滚动差异全部内容，希望文章能够帮你解决Python – 熊猫的滚动差异所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端