La función de característica estadística de cálculo acumulativo en la biblioteca de pandas:
1 、 semen ()
Dar la suma de los primeros 1, 2, ..., n números a su vez
2 od compra ()
Dar el producto de los primeros 1, 2, ..., n números a su vez
3 、 cummax ()
Dar el valor máximo de los primeros 1, 2, ..., n números a su vez
4 、 cummin ()
Dar el mínimo de los primeros 1, 2, ..., n números a su vez
Nota:
La función cum series aparece como un método del objeto DataFrame o series
Formato de nombre: D.cumsm ()
La función estadística de cálculo rodante en la biblioteca de pandas:
1 、 suma_laminado ()
Calcular la suma de las muestras de datos (calculadas por columna)
2 、 rolling_mean ()
Calcular la media aritmética de la muestra de datos
3 、 rolling_var ()
Calcular la varianza de la muestra de datos
4 、 rolling_std ()
Calcule la desviación estándar de la muestra de datos.
5 、 rolling_corr ()
Calcule la matriz del coeficiente de correlación de Spearman (Pearson) de la muestra de datos
6 、 rolling_cov ()
Calcular la matriz de covarianza de la muestra de datos
7 、 balanceo_objetivo ()
Calcular la asimetría del valor muestral (tercer momento)
8 、 rolling_kurt ()
Calcular la curtosis del valor muestral (cuarto momento)
Nota:
La función rolling_ series es una función pandas, no un método de un DataFrame o un objeto de serie. Por lo tanto, el formato de la función rolling_ series es: pd.rolling_mean (Dk) , es decir, el valor medio se calcula una vez cada k columnas.
Ejemplos:
import pandas as pd
D=pd.Series(range(0, 20)) # 构造Series,内容为0~19共20个整数
print(D)
print('前n项和:\n',D.cumsum()) # 给出前n项和
print('相邻两项求和:\n',D.rolling(2).sum()) # 依次对相邻两项求和