Python时间序列--滑动窗口（三）

最新推荐文章于 2025-05-22 15:29:25 发布

悠悠笔记吖

最新推荐文章于 2025-05-22 15:29:25 发布

阅读量1w

点赞数 9

CC 4.0 BY-SA版权

分类专栏： Python时间序列

本文链接：https://blog.csdn.net/jaffe507/article/details/105789459

Python时间序列专栏收录该内容

7 篇文章

订阅专栏

本文深入探讨了滑动窗口技术，一种用于提升数据准确性的方法，通过将单一数据点的取值扩大到一段区间，利用区间内的数据进行统计分析，如求均值，以更全面地评估数据点的值。文章通过实例展示了如何使用Python的pandas库实现滑动窗口，包括创建窗口、计算窗口内均值，并对比展示原始数据与滑动窗口数据的区别。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

滑动窗口
滑动窗口就是能够根据指定的单位长度来框住时间序列，从而计算框内的统计指标。相当于一个长度指定的滑块正在刻度尺上面滑动，每滑动一个单位即可反馈滑块内的数据。
滑动窗口的意义
为了提升数据的准确性，将某个点的取值扩大到包含这个点的一段区间，用区间来进行判断，这个区间就是窗口。例如想使用2020年1月1日的一个数据，单取这个时间点的数据当然是可行的，但是太过绝对，有没有更好的办法呢？可以选取2019年12月16日到2020年1月15日，通过求均值来评估1月1日这个点的值，2019-12-16到2020-1-15就是一个窗口，窗口的长度window=30. 移动窗口就是窗口向一端滑行，每次滑动(行)并不是区间整块的滑行，而是一个单位一个单位的滑行。
滑动窗口类似于卷积或者移动均线的原理

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

df = pd.Series(np.random.random(1000), 
index = pd.date_range('1/1/2017', 
freq = 'D', 
periods = 1000))
df.head()

在这里插入图片描述

r = df.rolling(window = 10)
print(r.mean())

在这里插入图片描述
窗口2017-01-01到2017-01-10，下一个窗口并不是2017-1-10到2017-1-20，而是2017-01-02到2017-01-11（假设数据的截取是以天为单位），整体向右移动一个单位，而不是一个窗口。这样统计的每个值始终都是10单位的均值。前9个都不足够为一个窗口的长度，因此都无法取值,在此之前即为NaN。

#画出原始数据和滑动窗口的数据
plt.figure(figsize=(15, 5))

df.plot(style='r--')
df.rolling(window=10).mean().plot(style='b')

在这里插入图片描述