pandas rolling 时间窗口

使用场景

在数据竞赛和真实业务中通常会构造时间窗口类指标，除了能用SQL实现上述操作外，我也想在python中实现上诉指标的计算，然后我就发现了pandas中的rolling函数

import pandas as pd
import numpy as np# 从2023年4月2日0点开始每6个小时采样一个时间点
df = pd.DataFrame(np.random.randn(90, 4),index = pd.date_range('00:00 2/4/2023', periods=90, freq='6h'),columns = ['A', 'B', 'C', 'D'])
# 增加id列
df['id'] = np.random.randint(1, high=5, size=90)
df.head()A	B	C	D	id
2023-02-04 00:00:00	0.938225	-0.241316	0.877582	0.614576	2
2023-02-04 06:00:00	0.226625	0.083460	-1.971594	-0.413062	2
2023-02-04 12:00:00	0.920138	0.097953	-0.438336	-0.543366	2
2023-02-04 18:00:00	-0.999658	1.384894	-0.103531	-0.748414	2
2023-02-05 00:00:00	-0.126249	-0.067353	-1.577542	-1.228433	4

直接上干货

下面的代码实现了对不同id近一天的不同指标进行统计

df.groupby(['id'], as_index= False).rolling(window='1d').agg({'A': ['mean', 'std'],'B': ['sum', 'max'],'C':[ np.ptp],'D': ['min', 'max']})

几个需要注意的

• 如果需要对分组后的多列进行统计, 则需要讲日期列设为index
• 上诉统计包含的当前时刻，如果不希望包含当前时间则可以设置closed='left'