Pandas中cum系列与rolling系列函数的使用指南
发布时间：2026-10-13 |
5人浏览过
本文详细介绍Pandas中用于数据分析的累积计算（cum系列）与滚动计算（rolling系列）函数。cum系列作为DataFrame或Series的方法，用于生成前n项的累计和、积、最大值等；rolling系列则通过指定窗口大小k，对数据进行滑动窗口统计，如计算滚动均值、方差等。文章提供了具体的代码示例和输出结果，帮助开发者掌握这两种常用统计技巧。
Pandas统计特征函数概览
在Pandas库中，提供了多种用于计算主要统计特征的函数。
| 方法名 | 函数功能 |
|---|---|
| sum() | 计算数据样本的总和（按列计算） |
| mean() | 计算数据样本的算术平均数 |
| var() | 计算数据样本的方差 |
| std() | 计算数据样本的标准差 |
| corr() | 计算数据样本的Spearman（Pearman）相关系数矩阵 |
| cov() | 计算数据样本的协方差矩阵 |
| skew() | 样本值的偏度（三阶矩） |
| kurt() | 样本值的峰度（四阶矩） |
| describe() | 给出样本的基本描述（基本统计量如均值、标准差等） |
cum系列累积计算方法
cum系列函数主要用于累积计算。
这类函数通常作为DataFrame或Series对象的方法存在，因此调用格式一般为D.cumsum()。
| 方法名 | 函数功能 |
|---|---|
| cumsum() | 依次给出前1、2、… 、n个数的和 |
| cumprod() | 依次给出前1、2、… 、n个数的积 |
| cummax() | 依次给出前1、2、… 、n个数的最大值 |
| cummin() | 依次给出前1、2、… 、n个数的最小值 |
其核心功能是计算前n项的和。
D=pd.Series(range(0,20))
D.cumsum()
0 0
1 1
2 3
3 6
....
19 190
dtype: int64
rolling系列滚动计算方法
rolling系列函数则用于滚动计算。
与cum系列不同，rolling系列属于pandas模块级别的函数，而非DataFrame或Series的方法。其标准调用格式为pd.rolling_mean(D, k)，其中参数k代表窗口大小，表示每k列进行一次平均值计算，从而实现滚动统计。
| 方法名 | 函数功能 |
|---|---|
| rolling_sum() | 计算数据样本的总和（按列计算） |
| rolling_mean() | 数据样本的算术平均数 |
| rolling_var() | 计算数据样本的方差 |
| rolling_std() | 计算数据样本的标准差 |
| rolling_corr() | 计算数据样本的Spearman（Pearman）相关系数矩阵 |
| rolling_cov() | 计算数据样本的协方差矩阵 |
| rolling_skew() | 样本值的偏度（三阶矩） |
| rolling_kurt() | 样本值的峰度（四阶矩） |
例如，可以依次对相邻的两项进行求和操作。
pd.rolling_sum(D,2)
0 NaN
1 1.0
2 3.0
3 5.0
4 7.0
....
19 37.0
dtype: float64
以上内容涵盖了Pandas中cum累积计算和rolling滚动计算的核心用法，供读者参考。
本站声明
本文内容仅供参考，不代表本站观点。转载或引用请注明出处。如发现内容问题，请通过联系我们页面反馈。
