pandas中read_csv、rolling、expanding用法详解

更新时间：2020年04月21日 17:14:09 作者：Suiiiii

这篇文章主要介绍了pandas中read_csv、rolling、expanding用法详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

如下所示：

import pandas as pd
from pandas import DataFrame

series = pd.read_csv('daily-min-temperatures.csv',header=0, index_col=0,
      parse_dates=True,squeeze=True)
temps = DataFrame(series.values)
width = 3
shifted = temps.shift(width-1)
print(shifted)
window = shifted.rolling(window=width)
dataframe = DataFrame()
dataframe = pd.concat([window.min(),window.mean(),window.max(),temps],axis=1)
dataframe.columns=['min','mean','max','t+1']
print(dataframe.head(5))

read_csv中参数用法：

当设置 header=None 时，则认为csv文件没有列索引，为其添加相应范围的索引，range(1,1200)指建立索引号从1开始最大到1199的列索引，当数据长度超过范围时，索引沿列数据的右侧对齐。

obj=pd.read_csv('testdata.csv',header=0,names=range(1,4))

当设置 header=0 时，则认为csv文件数据第一行是列索引，将用新的列索引替换旧的列索引。

obj=pd.read_csv('testdata.csv',index_col=0,usecols=[1,2,3])

当设置 index_col=0 时，则是csv文件数据的指定数据中的第一列是行索引，usecols指选中数据的对应列数，[1,2,3]指第2列到第4列。

obj=pd.read_csv('testdata.csv',index_col=0,usecols=5)

用usecols选择前n行数据进行后续处理，n为正整型。

rolling用法：

源代码

 def rolling(self, *args, **kwargs):
  """
  Return a rolling grouper, providing rolling functionality per group.
  """
  from pandas.core.window import RollingGroupby

  return RollingGroupby(self, *args, **kwargs)

 @Substitution(name="groupby")
 @Appender(_common_see_also)

用法代码演示

上面我们介绍了滑动窗口的概念及实现函数的参数，下面我们通过代码演示，依次展示各参数的作用。

import matplotlib.pylab as plt
import numpy as np
import pandas as pd
index=pd.date_range('20190116','20190130')
data=[4,8,6,5,9,1,4,5,2,4,6,7,9,13,6]
ser_data=pd.Series(data,index=index)
print(ser_data)

加入rolling使用时间窗后及具体原理

ser_data.rolling(3).mean()

min_periods用法

如上图所示，当窗口开始滑动时，第一个时间点和第二个时间点的时间为空，这是因为这里窗口长度为3，他们前面的数都不够3，所以到2019-01-18时，他的数据就是2019-01-16到2019-01-18三天的均值。那么有人就会这样想，在计算2019-01-16序列的窗口数据时，虽然不够窗口长度3，但是至少有当天的数据，那么能否就用当天的数据代表窗口数据呢？答案是肯定的，这里我们可以通过min_periods参数控制，表示窗口最少包含的观测值，小于这个值的窗口长度显示为空，等于和大于时有值，如下所示：

表示窗口最少包含的观测值为1

ser_data.rolling(3,min_periods=1).mean()

expanding用法

征用前面全部的数据

代码详解

import pandas as pd
from pandas import DataFrame

series = pd.read_csv('daily-min-temperatures.csv',header=0, index_col=0,
      parse_dates=True,squeeze=True)
temps = DataFrame(series.values)
window = temps.expanding()
dataframe = DataFrame()
dataframe = pd.concat([window.min(),window.mean(),window.max(),temps.shift(-1)],axis=1)
dataframe.columns=['min','mean','max','t+1']
print(dataframe.head(5))

输出结果

expanding可去除NaN值

以上这篇pandas中read_csv、rolling、expanding用法详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。

您可能感兴趣的文章:

python获取交互式ssh shell的方法
今天小编就为大家分享一篇python获取交互式ssh shell的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2019-02-02
Python定时任务sched模块用法示例
这篇文章主要介绍了Python定时任务sched模块用法,结合实例形式分析了定时任务sched模块的基本功能、参数含义、多线程定时任务等相关操作技巧,需要的朋友可以参考下
2018-07-07
Python标准库calendar的使用方法
本文主要介绍了Python标准库calendar的使用方法，calendar模块主要由Calendar类与一些模块方法构成，Calendar类又衍生了一些子孙类来帮助我们实现一些特殊的功能，感兴趣的可以了解一下
2021-11-11
人工智能-Python实现多项式回归
这篇文章主要介绍了人工智能-Python实现多项式回归，上一次我们讲解了线性回归，这次我们重点分析多项式回归，需要的小伙伴可以参考一下
2022-01-01
Python字典取键、值对的方法步骤
这篇文章主要介绍了Python字典取键、值对的方法步骤，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2020-09-09
Python实现将照片变成卡通图片的方法【基于opencv】
这篇文章主要介绍了Python实现将照片变成卡通图片的方法,涉及Python基于opencv库进行图片处理的相关操作技巧,需要的朋友可以参考下
2018-01-01
Python CSV 文件解析和生成方法示例
这篇文章主要为大家介绍了Python CSV 文件的解析和生成方法示例详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪
2022-07-07
python subprocess 杀掉全部派生的子进程方法
下面小编就为大家带来一篇python subprocess 杀掉全部派生的子进程方法。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧
2017-01-01
使用Python的Twisted框架实现一个简单的服务器
这篇文章主要介绍了使用Python的Twisted框架实现一个简单的服务器,翻译自Twisted的文档,需要的朋友可以参考下
2015-04-04
Selenium获取登录Cookies并添加Cookies自动登录的方法
这篇文章主要介绍了Selenium获取登录Cookies并添加Cookies自动登录的方法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2020-12-12