本文主要是介绍pandas rolling方法_对pandas中时间窗函数rolling的使用详解，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
在建模过程中，我们常常需要需要对有时间关系的数据进行整理。比如我们想要得到某一时刻过去30分钟的销量(产量，速度，消耗量等)，传统方法复杂消耗资源较多，pandas提供的rolling使用简单，速度较快。
函数原型和参数说明
DataFrame.rolling(window, min_periods=None, freq=None, center=False, win_type=None, on=None, axis=0, closed=None)
window：表示时间窗的大小，注意有两种形式(int or offset)。如果使用int，则数值表示计算统计量的观测值的数量即向前几个数据。如果是offset类型，表示时间窗的大小。pandas offset相关可以参考这里。
min_periods：最少需要有值的观测点的数量，对于int类型，默认与window相等。对于offset类型，默认为1。
freq：从0.18版本中已经被舍弃。
center：是否使用window的中间值作为label，默认为false。只能在window是int时使用。
# 为方便观察，并列排列
df = pd.DataFrame({'B': [0, 1, 2, np.nan, 4]})
df.rolling(3, min_
这篇关于pandas rolling方法_对pandas中时间窗函数rolling的使用详解的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
