本系列文章配套代码获取有以下三种途径：
-
可以在以下网站查看，该网站是使用JupyterLite搭建的web端Jupyter环境，因此无需在本地安装运行环境即可使用，首次运行浏览器需要下载一些配置文件（大约20M）：
https://returu.github.io/Python_Data_Analysis/lab/index.html-
也可以通过百度网盘获取，需要在本地配置代码运行环境，环境配置可以查看【Python基础】2.搭建Python开发环境：
链接：https://pan.baidu.com/s/1MYkeYeVAIRqbxezQECHwcA?pwd=mnsj提取码：mnsj
-
前往GitHub详情页面，单击 code 按钮，选择Download ZIP选项：
https://github.com/returu/Python_Data_Analysis根据《Python for Data Analysis 3rd Edition》翻译整理
—————————————————–
本文主要是对上篇介绍的移动窗口函数rolling 和expanding函数的应用示例介绍。
本次以历史股票数据为例：
其中，“AAPL”列为苹果股价，“MSFT”列为微软股价，“XOM”列为埃克森美孚股价，“SPX”列为标普500指数
1# parse_dates参数用于尝试将数据解析为datetime，index_col参数用作结果中行索引的列号或列名
2>>> stock = pd.read_csv("./data/stock.csv",parse_dates=True, index_col=0)
3>>> stock
按照工作日频率进行重新采样，因为原始数据有些工作日数据缺失，因此重采样后数据行数会增多。
1>>> stock_re = stock.resample("B").ffill()
2>>> stock_re
2.rolling：
-
获取苹果公司股票价格的200天的移动窗口平均值：
1>>> stock_re["AAPL"].rolling(200).mean()
绘制原始数据与200天的移动窗口平均值数据的对比图：
1>>> stock_re["AAPL"].plot(figsize=(10,6) , label="original_data") # 原始数据
2
3>>> stock_re["AAPL"].rolling(200).mean().plot(label="rolling200_mean") # 移动窗口平均值数据
4
5>>> plt.legend() # 创建图例
-
在 DataFrame 上调用移动窗口函数会将转换应用于每一列：
1>>> stock_re.rolling(200).mean()
1# 画图中如果X轴或者Y轴的数据差异过大，可能会导致图像展示不友好，数值小的部分基本上无法展示，可以传入logy=True进行Y轴的缩放(绘制y轴的对数图形)
2>>> stock_re.rolling(200).mean().plot(logy=True , figsize=(10,6))
-
rolling函数也接收一个表示固定大小的时间偏置字符串。例如，我们可以像这样计算200天的滚动平均值：
1>>> stock_re.rolling("200D").mean()
绘制原始数据与200天的滚动平均值数据的对比图：
1>>> stock_re["AAPL"].plot(figsize=(10,6), label="original_data") # 原始数据
2
3>>> stock_re["AAPL"].rolling("200D").mean().plot(label="rolling200D_mean") # 移动窗口平均值数据
4
5>>> plt.legend() # 创建图例
expanding从时间序列的起始位置开始时间窗口，并增加窗口的大小，直到它涵盖整个序列。
分别计算rolling(200)和expanding(200)的均值并绘制对比图：
-
rolling(200).mean()：
1>>> rolling_mean = stock_re["AAPL"].rolling(200).mean()
2>>> rolling_mean
-
expanding(200).mean()：
1>>> expanding_mean = stock_re["AAPL"].expanding(200).mean()
2>>> expanding_mean
-
绘制对比图：
1>>> rolling_mean.plot(figsize=(10,6) , label="rolling_mean")
2
3>>> expanding_mean.plot(label="expanding_mean")
4
5>>> plt.legend() # 创建图例
本篇文章来源于微信公众号: 码农设计师
