Python数据分析_Pandas_窗函数

窗函数（window function）经常用在频域信号分析中。我其实不咋个懂，大概是从无限长的信号中截一段出来，然后把这一段做延拓变成一个虚拟的无限长的信号。用来截取的函数就叫窗函数，窗函数又分很多种，什么矩形窗、三角窗、高斯窗。

在scipy.signal中有各种我不懂的实现窗函数的方法。浏览了一下，头疼的紧。

那在pandas中也有实现窗函数的方法：rolling()。我呢就不折腾什么信号处理的东西，用金融数据做个小示例好了。

金融时间序列也是一种时间序列数据，前后次序是固定，多为二维数据。例如要看一只股票的平均移动线，就会用到rolling()。

先介绍一下这个翻滚函数

DataFrame.rolling(window, 
                  min_periods=None, 
                  freq=None, 
                  center=False, 
                  win_type=None, 
                  on=None, 
                  axis=0)

• window: 移动窗口的大小。值可以是int（整数值）或offset（偏移）。如果是整数值的话，每个窗口是固定的大小，即包含相同数量的观测值。值为offset（偏移时长,eg:'2s'）则指定了每个窗口包含的时间段，每个窗口包含的观测值的数量是不一定的。offset必须在index是时间类型数据时才可以使用。

• min_periods: 每个窗口最少包含的观测值数量，小于这个值的窗口结果为NA。值可以是int，默认None。offset情况下，默认为1。

• freq: 弃用。不用管它。

• center: 把窗口的标签设置为居中。布尔型，默认False，居右。

• win_type: 窗口的类型。上面介绍的，截取窗的各种函数。字符串类型，默认为None。可用的窗口类型有：

  • boxcar
  • triang
  • blackman
  • hamming
  • bartlett
  • parzen
  • bohman
  • blackmanharris
  • nuttall
  • barthann
  • kaiser (needs beta)
  • gaussian (needs std)
  • general_gaussian (needs power, width)
  • slepian (needs width)

• on: 可选参数。对于dataframe而言，指定要计算滚动窗口的列。值为列名。

• axis: int、字符串，默认为0，即对列进行计算。

使用方法，例：

In []: df = pd.DataFrame({'B': [0, 1, 2, np.nan, 4]})

In []: df.rolling(2).sum()
Out[]:
     B
0  NaN
1  1.0
2  3.0
3  NaN
4  NaN

按tab键可以查看rolling对象可用的方法，如下：

In []: r = df.rolling(2)
In []: r
Out[]: Rolling [window=10,center=False,axis=0]

In []: r.
   r.agg             r.cov             r.max             r.ndim
   r.aggregate       r.exclusions      r.mean            r.quantile
   r.apply           r.is_datetimelike r.median          r.skew
   r.corr            r.is_freq_type    r.min             r.std
   r.count           r.kurt            r.name            r.sum

注：rolling_mean()这种写法已经淘汰了，现在都是df.rolling().mean()、 df.rolling().std()这样来写。

例：计算苹果收盘价的平均移动线

获取数据

从雅虎获取苹果公司2016年1月1日至今的股票数据。

import pandas_datareader.data as web

apple = web.DataReader(name='AAPL', 
                       data_source='yahoo', 
                       start='2016-1-1')
print(apple.head())

数据大概是这个样子的：

                  Open        High         Low       Close    Volume  \
Date
2016-01-04  102.610001  105.370003  102.000000  105.349998  67649400
2016-01-05  105.750000  105.849998  102.410004  102.709999  55791000
2016-01-06  100.559998  102.370003   99.870003  100.699997  68457400
2016-01-07   98.680000  100.129997   96.430000   96.449997  81094400
2016-01-08   98.550003   99.110001   96.760002   96.959999  70798000

             Adj Close
Date
2016-01-04  103.057063
2016-01-05  100.474523
2016-01-06   98.508268
2016-01-07   94.350769
2016-01-08   94.849671

收盘价的折线图

为了方便观察滚完了之后的效果，我们把数据都画图呈现出来。

apple['Close'].plot(figsize=(9, 5), grid=True)
plt.show()

 

收盘价

平均移动线MA

apple['roll_mean'] = apple['Close'].rolling(window=5).mean()
apple[['Close', 'roll_mean']].plot(subplots=True, figsize=(9, 5), grid=True)
plt.show()

 

收盘价和5日平均移动线

这里窗口大小为5，所以前面四个数据是没有值的。把它们合在一起看看（把subplots改为False）。

 

收盘价和5日平均移动线合在一起

拉近一点：

 

 

直观上看更平滑了。毕竟取五天做平均了，第一天涨第二天跌的这种一平均波动就小了。如果窗口变大会更平滑。

windowsize = [5,10,20]
for i in windowsize:
    apple['roll_mean_'+str(i)] = apple['Close'].rolling(i).mean()
apple[['roll_mean_5','roll_mean_10','roll_mean_20']].plot(figsize=(9, 5), grid=True)
plt.show()

 

 

补充

除了算平均值，还可以计算方差、相关、最大最小值等等，大部分的统计量都可以计算，就看你需要了。

另外如果已有的函数不能满足需要，我们还可以用lambda和apply()写自己的方法。

例如（直接复制官网的咯）：

mad = lambda x: np.fabs(x - x.mean()).mean()
apple['Close'].rolling(window=5).apply(mad).plot(figsize=(9, 5), grid=True)
plt.show()

这里计算的是平均绝对偏差。

 

 

我的图长得漂亮是因为安装了seaborn库，画图之前悄悄加载了一下。

另外，pandas中也有好些金融函数，比如计算指数加权移动平均，就现成的pandas.ewma()。待挖掘的东西好多呢。