熊猫的滚动差异

Question

有没有人知道一个有效的函数/方法,如pandas.rolling_mean计算数组的滚动差异

这是我最接近的解决方案:

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

但是,它只计算单步滚动差异.理想情况下,步长是可编辑的(即当前时间步长和最后步骤之间的差异).

我也写过这个,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[1] - x[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,第一个项目将是NaN.

更新

定义以下内容:

def my_fun(x):
    return x[-1] - x[0]

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

你可以计算值之间的差异n_steps.

Answer 2

如果您直接在底层 numpy 数组上工作，您可以执行与/sf/answers/3384202461/相同的操作：

import numpy as np
diff_kernel = np.array([1,-1])
np.convolve(rs,diff_kernel ,'same')

rs你的熊猫系列在哪里