在本实验中，我们将探索 pandas 中的窗口操作，包括滚动窗口、扩展窗口和指数加权窗口。窗口操作对于在值的滑动分区上执行聚合非常有用。
虚拟机启动完成后，点击左上角切换到“笔记本”标签，以访问 Jupyter Notebook 进行练习。
有时，你可能需要等待几秒钟让 Jupyter Notebook 完成加载。由于 Jupyter Notebook 的限制，操作的验证无法自动化。
如果你在学习过程中遇到问题，请随时向 Labby 提问。课程结束后提供反馈，我们将立即为你解决问题。
我们创建一个包含从 0 到 4 的一系列值的 Pandas 序列。
import pandas as pd
## 创建一个包含从 0 到 4 的一系列值的 Pandas 序列
s = pd.Series(range(5))执行窗口大小为 2 的滚动窗口操作，然后计算每个窗口的总和。
## 执行窗口大小为 2 的滚动窗口操作并计算每个窗口的总和
s.rolling(window=2).sum()执行扩展窗口操作，然后计算每个窗口的总和。
## 执行扩展窗口操作并计算每个窗口的总和
s.expanding(min_periods=1).sum()执行指数加权窗口操作，然后计算每个窗口的均值。
## 执行指数加权窗口操作并计算每个窗口的均值
s.ewm(span=3).mean()在本实验中，我们使用 pandas 执行了各种窗口操作，包括滚动窗口、扩展窗口和指数加权窗口。这些操作对于在值的滑动分区上执行聚合非常有用。