Python Pandas 滚动函数

Question

我不确定我是否理解min_periodsPandasrolling函数中的参数：为什么它必须小于window参数？我想用十个值的窗口计算（例如）滚动最大值减去滚动最小值，但我想在开始计算之前等待 20 个值：

In[1]:  import pandas as pd
In[2]:  import numpy as np
In[3]:  df = pd.DataFrame(columns=['A','B'], data=np.random.randint(low=0,high=100,size=(100,2)))
In[4]:  roll = df['A'].rolling(window=10, min_periods=20)
In[5]:  df['C'] = roll.max() - roll.min()

In[6]:  roll
Out[6]: Rolling [window=10,min_periods=20,center=False,axis=0]

In[7]:  df['C'] = roll.max()-roll.min()

我收到以下错误：

ValueError: Invalid min_periods size 20 greater than window 10

我认为这min_periods是为了告诉函数在开始计算之前必须等待多少个值。文档说：

min_periods : int, 默认无

具有值所需的窗口中最小观察数（否则结果为 NA）

我没有注意这里的“窗口内”细节......那么实现我想要实现的目标的最有效方法是什么？我应该做这样的事情：

roll = df.loc[20:,'A'].rolling(window=10)
df['C'] = roll.max() - roll.min()

有没有更有效的方法？

Answer 1

该min_period = n选项仅意味着您至少需要n有效的观察来计算您的滚动统计数据。

例如，假设min_period = 5您有一个rolling mean过去的10观察结果。现在，如果6最后的10观察值实际上是缺失值，会发生什么？然后，鉴于4<5（实际上，这里只有 4 个非缺失值，您需要至少 5 个非缺失观测值），滚动均值也将缺失。

这是一个非常非常重要的选择。

从文档

min_periods : int, default None 窗口中具有值所需的最小观察数（否则结果为 NA）。