pandas的滚动差异

Question

有谁知道有效的函数/方法（例如）pandas.rolling_mean来计算数组的滚动差

这是我最接近的解决方案：

roll_diff = pd.Series(values).diff(periods=1)

但是，它仅计算单步滚动差。理想情况下，步长是可编辑的（即当前时间步长与最后n个步长之间的差）。

我也写了这个，但是对于更大的数组，它很慢：

def roll_diff(values,step):
    diff = []
    for i in np.arange(step, len(values)-1):
        pers_window = np.arange(i-1,i-step-1,-1)
        diff.append(np.abs(values[i] - np.mean(values[pers_window])))
    diff = np.pad(diff, (0, step+1), 'constant')
    return diff

Answer 1

关于什么：

import pandas

x = pandas.DataFrame({
    'x_1': [0, 1, 2, 3, 0, 1, 2, 500, ],},
    index=[0, 1, 2, 3, 4, 5, 6, 7])

x['x_1'].rolling(window=2).apply(lambda x: x.iloc[1] - x.iloc[0])

通常，您可以lambda使用自己的功能替换该功能。请注意，在这种情况下，第一项将是NaN。

定义以下内容：

n_steps = 2
def my_fun(x):
    return x.iloc[-1] - x.iloc[0]

x['x_1'].rolling(window=n_steps).apply(my_fun)

您可以在处计算值之间的差异n_steps。