Pandas滑动窗口函数rolling()的使用方法（入门够用）

📝 在时间序列信号处理过程中，经常会用到滑动窗口处理方法：它规定一个特定单位长度的窗口来选区信号信号序列，然后计算该窗口中信号的统计指标。rolling()函数支持对Series和DataFrame的操作。

对于信号的滑动窗口处理方法，Pandas提供了一个封装好的滑动窗口rolling()函数，其使用格式如下所示：

rolling(window, min_periods=None, center=False, win_type=None, on=None, axis=0, closed=None)

其中，常用的参数及其作用如下表所示：

参数	作用
window	滑动窗口的大小，取值包括： （1）int整型数值，即每个窗口是固定大小，包括相同数量的观测值 （2）offset偏移，每个窗口包含的时间段，包含的观测值数量不确定
min_periods	窗口最少包含的观测值，其取值包括： （1）int整型数值，默认为None （2）offset类型默认为1
center	是否将窗口标签设置为居中，默认为False
win_type	窗口类型
on	对于DataFrame，指定哪些列需要进行滑动窗口操作，值为列名
axis	表示进行滑动窗口操作的轴，默认为0表示对列进行操作；设置为1表示对行进行操作
closed	表示定义区间的开闭

假如，我们手里有一个销售员十天的销售量sales_volume，这里需要统计一下近三天计的销售总量，代码如下所示：

import pandas as pd

# 下面代码生成一个Series序列，第一天销售量为1、第二天为2、...第十天为10
sales_volume = pd.Series(range(1, 11))
# 通过rolling()函数计算近三天的销售总量，并输出结果
print("三天的销售总量为：\n", salses_volume.rolling(window=3).sum())

代码的执行结果如下图所示：

其实上面代码出现的NaN数值类型，在实际数据处理过程中并不是我们想要的结果。为了避免它给我们处理数据带来麻烦，可以使用rolling()函数的min_periods参数来避免。下面的代码将min_periods参数设置为1，即如果没有前面的销售信息，则只统计当天的销售信息，这样就可以避免NaN数值的出现。

由于第一天并没有前两天的销售信息，则只计算当天的销售信息；同样的，对于第二天没有前天的销售信息，则只统计当天和昨天的销售总量，代码如下所示：

print("三天的销售总量为：\n", salses_volume.rolling(window=3, min_peiriods=1).sum())

代码执行结果如下图所示：

作为入门，看懂上面两条指令即可熟悉rolling()函数的使用方法了，如果想进一步了解该函数的详细用法，可以参考(35条消息) Pandas中的滑动窗口—rolling()函数方法_KJ.JK的博客-CSDN博客_pandas rolling函数。

📚参考文献
🔍 详解pandas中的rolling - 古明地盆 - 博客园
🔍 (35条消息) Pandas中的滑动窗口—rolling()函数方法_KJ.JK的博客-CSDN博客_pandas rolling函数