Window#

.rolling 调用返回 pandas.api.typing.Rolling 实例： pandas.DataFrame.rolling() 和 pandas.Series.rolling()。.expanding 调用返回 pandas.api.typing.Expanding 实例： pandas.DataFrame.expanding() 和 pandas.Series.expanding()。.ewm 调用返回 pandas.api.typing.ExponentialMovingWindow 实例： pandas.DataFrame.ewm() 和 pandas.Series.ewm()。

滚动窗口函数#

Rolling.count([numeric_only])

计算非 NaN 观测的滚动计数。

Rolling.sum([numeric_only, engine, ...])

计算滚动总和。

Rolling.mean([numeric_only, engine, ...])

计算滚动平均值。

Rolling.median([numeric_only, engine, ...])

计算滚动中位数。

Rolling.var([ddof, numeric_only, engine, ...])

计算滚动方差。

Rolling.std([ddof, numeric_only, engine, ...])

计算滚动标准差。

Rolling.min([numeric_only, engine, ...])

计算滚动最小值。

Rolling.max([numeric_only, engine, ...])

计算滚动最大值。

Rolling.first([numeric_only])

计算窗口的滚动第一个（最左边）元素。

Rolling.last([numeric_only])

计算窗口的滚动最后一个（最右边）元素。

Rolling.corr([other, pairwise, ddof, ...])

计算滚动相关系数。

Rolling.cov([other, pairwise, ddof, ...])

计算滚动样本协方差。

Rolling.skew([numeric_only])

计算滚动无偏偏度。

Rolling.kurt([numeric_only])

计算滚动无偏的 Fisher 峰度。

Rolling.apply(func[, raw, engine, ...])

计算滚动自定义聚合函数。

Rolling.pipe(func, *args, **kwargs)

将带有参数的 func 应用于此 Rolling 对象并返回其结果。

Rolling.aggregate([func])

沿指定轴对一个或多个操作进行聚合。

Rolling.quantile(q[, interpolation, ...])

计算滚动分位数。

Rolling.sem([ddof, numeric_only])

计算滚动均值的标准误差。

Rolling.rank([method, ascending, pct, ...])

计算滚动排名。

Rolling.nunique([numeric_only])

计算滚动唯一值计数。

加权窗口函数#

Window.mean([numeric_only])

计算滚动加权窗口平均值。

Window.sum([numeric_only])

计算滚动加权窗口总和。

Window.var([ddof, numeric_only])

计算滚动加权窗口方差。

Window.std([ddof, numeric_only])

计算滚动加权窗口标准差。

扩展窗口函数#

Expanding.count([numeric_only])

计算非 NaN 观测的扩展计数。

Expanding.sum([numeric_only, engine, ...])

计算扩展总和。

Expanding.mean([numeric_only, engine, ...])

计算扩展平均值。

Expanding.median([numeric_only, engine, ...])

计算扩展中位数。

Expanding.var([ddof, numeric_only, engine, ...])

计算扩展方差。

Expanding.std([ddof, numeric_only, engine, ...])

计算扩展标准差。

Expanding.min([numeric_only, engine, ...])

计算扩展最小值。

Expanding.max([numeric_only, engine, ...])

计算扩展最大值。

Expanding.first([numeric_only])

计算扩展的第一个（最左边）窗口元素。

Expanding.last([numeric_only])

计算扩展的最后一个（最右边）窗口元素。

Expanding.corr([other, pairwise, ddof, ...])

计算扩展相关系数。

Expanding.cov([other, pairwise, ddof, ...])

计算扩展样本协方差。

Expanding.skew([numeric_only])

计算扩展无偏偏度。

Expanding.kurt([numeric_only])

计算扩展无偏的 Fisher 峰度。

Expanding.apply(func[, raw, engine, ...])

计算扩展自定义聚合函数。

Expanding.pipe(func, *args, **kwargs)

将带有参数的 func 应用于此 Expanding 对象并返回其结果。

Expanding.aggregate([func])

沿指定轴对一个或多个操作进行聚合。

Expanding.quantile(q[, interpolation, ...])

计算扩展分位数。

Expanding.sem([ddof, numeric_only])

计算扩展均值的标准误差。

Expanding.rank([method, ascending, pct, ...])

计算扩展排名。

Expanding.nunique([numeric_only])

计算扩展唯一值计数。

指数加权窗口函数#

ExponentialMovingWindow.mean([numeric_only, ...])

计算 ewm（指数加权移动平均）平均值。

ExponentialMovingWindow.sum([numeric_only, ...])

计算 ewm（指数加权移动平均）总和。

ExponentialMovingWindow.std([bias, numeric_only])

计算 ewm（指数加权移动平均）标准差。

ExponentialMovingWindow.var([bias, numeric_only])

计算 ewm（指数加权移动平均）方差。

ExponentialMovingWindow.corr([other, ...])

计算 ewm（指数加权移动平均）样本相关系数。

ExponentialMovingWindow.cov([other, ...])

计算 ewm（指数加权移动平均）样本协方差。

窗口索引器#

定义自定义窗口边界的基类。

api.indexers.BaseIndexer([index_array, ...])

窗口边界计算的基类。

api.indexers.FixedForwardWindowIndexer([...])

为包含当前行的固定长度窗口创建窗口边界。

api.indexers.VariableOffsetWindowIndexer([...])

基于非固定偏移量（如 BusinessDay）计算窗口边界。