Pandas主要统计特征函数：
| 方法名 | 函数功能 |
|---|---|
| sum() | 计算数据样本的总和（按列计算） |
| mean() | 计算数据样本的算术平均数 |
| var() | 计算数据样本的方差 |
| std() | 计算数据样本的标准差 |
| corr() | 计算数据样本的Spearman（Pearman）相关系数矩阵 |
| cov() | 计算数据样本的协方差矩阵 |
| skew() | 样本值的偏度（三阶矩） |
| kurt() | 样本值的峰度（四阶矩） |
| describe() | 给出样本的基本描述（基本统计量如均值、标准差等） |
cum累积计算函数
cum系列函数是作为DataFrame或Series对象的方法出现的，因此命令格式为D.cumsum()
| 方法名 | 函数功能 |
|---|---|
| cumsum() | 依次给出前1、2、… 、n个数的和 |
| cumprod() | 依次给出前1、2、… 、n个数的积 |
| cummax() | 依次给出前1、2、… 、n个数的最大值 |
| cummin() | 依次给出前1、2、… 、n个数的最小值 |
计算出前n项和：
|
1
2
3
4
5
6
7
8
9
|
D=pd.Series(range(0,20))D.cumsum() 0 01 12 33 6....19 190dtype: int64 |
rolling滚动计算函数
rolling_系列是pandas的函数，不是DataFrame或Series对象的方法，其格式为pd.rolling_mean(D,k)，其中每k列计算一次平均值，滚动计算。
| 方法名 | 函数功能 |
|---|---|
| rolling_sum() | 计算数据样本的总和（按列计算） |
| rolling_mean() | 数据样本的算术平均数 |
| rolling_var() | 计算数据样本的方差 |
| rolling_std() | 计算数据样本的标准差 |
| rolling_corr() | 计算数据样本的Spearman（Pearman）相关系数矩阵 |
| rolling_cov() | 计算数据样本的协方差矩阵 |
| rolling_skew() | 样本值的偏度（三阶矩） |
| rolling_kurt() | 样本值的峰度（四阶矩） |
依次对相邻两项求和：
|
1
2
3
4
5
6
7
8
9
|
pd.rolling_sum(D,2)0 NaN 1 1.02 3.03 5.04 7.0....19 37.0dtype: float64 |
以上这篇Pandas_cum累积计算和rolling滚动计算的用法详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/starter_____/article/details/81517389
