Fensteroperationen in Pandas

Einführung

In diesem Lab werden wir die Fensteroperationen in pandas erkunden, einschließlich rollender Fenster, expandierender Fenster und exponentiell gewichteter Fenster. Fensteroperationen sind nützlich, um Aggregationen über einen gleitenden Partition von Werten durchzuführen.

VM-Tipps

Nachdem die VM gestartet ist, klicken Sie in der oberen linken Ecke, um zur Registerkarte Notebook zu wechseln und Jupyter Notebook für die Übung zu nutzen.

Manchmal müssen Sie einige Sekunden warten, bis Jupyter Notebook vollständig geladen ist. Die Validierung von Operationen kann aufgrund von Einschränkungen in Jupyter Notebook nicht automatisiert werden.

Wenn Sie während des Lernens Probleme haben, können Sie Labby gerne fragen. Geben Sie nach der Sitzung Feedback, und wir werden das Problem für Sie prompt beheben.

Erstellen einer Pandas-Serie

Wir erstellen eine Pandas-Serie mit einem Bereich von Werten von 0 bis 4.

import pandas as pd

## Erstellen einer Pandas-Serie mit einem Bereich von Werten von 0 bis 4
s = pd.Series(range(5))

Führen Sie eine rollende Fensteroperation durch

Führen Sie eine rollende Fensteroperation mit einer Fenstergröße von 2 durch und berechnen Sie dann die Summe für jedes Fenster.

## Führen Sie eine rollende Fensteroperation mit einer Fenstergröße von 2 durch und berechnen Sie die Summe für jedes Fenster
s.rolling(window=2).sum()

Führen Sie eine expandierende Fensteroperation durch

Führen Sie eine expandierende Fensteroperation durch und berechnen Sie dann die Summe für jedes Fenster.

## Führen Sie eine expandierende Fensteroperation durch und berechnen Sie die Summe für jedes Fenster
s.expanding(min_periods=1).sum()

Führen Sie eine exponentiell gewichtete Fensteroperation durch

Führen Sie eine exponentiell gewichtete Fensteroperation durch und berechnen Sie dann den Mittelwert für jedes Fenster.

## Führen Sie eine exponentiell gewichtete Fensteroperation durch und berechnen Sie den Mittelwert für jedes Fenster
s.ewm(span=3).mean()

Zusammenfassung

In diesem Lab haben wir verschiedene Fensteroperationen mit pandas durchgeführt, einschließlich rollender Fenster, expandierender Fenster und exponentiell gewichteter Fenster. Diese Operationen sind nützlich für die Durchführung von Aggregationen über eine gleitende Partition von Werten.