Pandas 윈도우 함수

Pandas 윈도우 함수의 연산 예제

숫자 데이터를 처리하기 위해 Pandas는 루킹, 확장, 지수加权 움직임 등 다양한 변이를 제공합니다. 이 중에는 합, 평균, 중앙값, 변异, 상관계수 등이 포함됩니다.
이제, DataFrame 객체에 대해 각각을 어떻게 적용할지 배우겠습니다.

.rolling() 함수

이 기능은 일련의 데이터에 적용할 수 있습니다. window = n 파라미터를 지정하고, 그 위에 적절한 통계 함수를 적용합니다.

　import pandas as pd
　import numpy as np
　df = pd.DataFrame(np.random.randn(10,　4,
　　　　인덱스 = pd.date_range('1/1/2000', periods=10,
　　　　컬럼 = ['A', 'B', 'C', 'D'])
　print(df.rolling(window=3).mean())

결과는 다음과 같습니다：

　　　　　　　　　　　　　　　　　　A　　　　　　　　　　　B　　　　　　　　　　　C　　　　　　　　　　　D
2000-01-01　　　　　　　　NaN　　　　　　　　　NaN　　　　　　　　　NaN　　　　　　　　　NaN
2000-01-02　　　　　　　　NaN　　　　　　　　　NaN　　　　　　　　　NaN　　　　　　　　　NaN
2000-01-03　　　0.434553　　　-0.667940　　　-1.051718　　　-0.826452
2000-01-04　　　0.628267　　　-0.047040　　　-0.287467　　　-0.161110
2000-01-05　　　0.398233　　　　0.003517　　　　0.099126　　　-0.405565
2000-01-06　　　0.641798　　　　0.656184　　　-0.322728　　　　0.428015
2000-01-07　　　0.188403　　　　0.010913　　　-0.708645　　　　0.160932
2000-01-08　　　0.188043　　　-0.253039　　　-0.818125　　　-0.108485
2000-01-09　　　0.682819　　　-0.606846　　　-0.178411　　　-0.404127
2000-01-10　　　0.688583　　　　0.127786　　　　0.513832　　　-1.067156

윈도우 크기가3따라서 앞 두 요소는 비어 있으며, 세 번째 요소부터는 n 값이며, n-1와 n-2요소의 평균 값이므로, 위의 여러 기능을 적용할 수 있습니다.

.expanding() 함수

이 기능은 일련의 데이터에 적용할 수 있습니다. min_periods = n 파라미터를 지정하고, 적절한 통계 함수를 적용합니다.

　import pandas as pd
　import numpy as np
　df = pd.DataFrame(np.random.randn(10,　4,
　　　　인덱스 = pd.date_range('1/1/2000', periods=10,
　　　　컬럼 = ['A', 'B', 'C', 'D'])
　print(df.expanding(min_periods=3).mean())

결과는 다음과 같습니다：

　　　　　　　　　　　　　　　　　A　　　　　　　　　　　B　　　　　　　　　　　C　　　　　　　　　　　D
2000-01-01　　　　　　　　NaN　　　　　　　　　NaN　　　　　　　　　NaN　　　　　　　　　NaN
2000-01-02　　　　　　　　NaN　　　　　　　　　NaN　　　　　　　　　NaN　　　　　　　　　NaN
2000-01-03　　　0.434553　　　-0.667940　　　-1.051718　　　-0.826452
2000-01-04　　　0.743328　　　-0.198015　　　-0.852462　　　-0.262547
2000-01-05　　　0.614776　　　-0.205649　　　-0.583641　　　-0.303254
2000-01-06　　　0.538175　　　-0.005878　　　-0.687223　　　-0.199219
2000-01-07　　　0.505503　　　-0.108475　　　-0.790826　　　-0.081056
2000-01-08　　　0.454751　　　-0.223420　　　-0.671572　　　-0.230215
2000-01-09　　　0.586390　　　-0.206201　　　-0.517619　　　-0.267521
2000-01-10　　　0.560427　　　-0.037597　　　-0.399429　　　-0.376886

.ewm() 함수

ewm 일련의 데이터에 적용됩니다. com, span, halflife 매개변수 중 하나를 지정하고 그 위에 적절한 통계 함수를 적용합니다. 이는 지수적으로 가중치를 배분합니다.

　import pandas as pd
　import numpy as np
　　
　df = pd.DataFrame(np.random.randn(10,　4,
　　　　인덱스 = pd.date_range('1/1/2000', periods=10,
　　　　컬럼 = ['A', 'B', 'C', 'D'])
　print(df.ewm(com=0.5).mean())

결과는 다음과 같습니다：

　　　　　　　　　　　　　　　　　　A　　　　　　　　　　　B　　　　　　　　　　　C　　　　　　　　　　　D
2000-01-01　　　1.088512　　　-0.650942　　　-2.547450　　　-0.566858
2000-01-02　　　0.865131　　　-0.453626　　　-1.137961　　　　0.058747
2000-01-03　　-0.132245　　　-0.807671　　　-0.308308　　　-1.491002
2000-01-04　　　1.084036　　　　0.555444　　　-0.272119　　　　0.480111
2000-01-05　　　0.425682　　　　0.025511　　　　0.239162　　　-0.153290
2000-01-06　　　0.245094　　　　0.671373　　　-0.725025　　　　0.163310
2000-01-07　　　0.288030　　　-0.259337　　　-1.183515　　　　0.473191
2000-01-08　　　0.162317　　　-0.771884　　　-0.285564　　　-0.692001
2000-01-09　　　1.147156　　　-0.302900　　　　0.380851　　　-0.607976
2000-01-10　　　0.600216　　　　0.885614　　　　0.569808　　　-1.110113

윈도우 함수는 주로 데이터에서 평滑한 곡선을 통해 그래픽 방식으로 추세를 찾는 데 사용됩니다. 일상 데이터가 많이 변화하며 많은 데이터 포인트가 사용 가능하다면, 샘플과 그래프를 사용하는 것이 하나의 방법이며, 결과에 윈도우 계산을 적용하고 그래프를 그리는 것이 또 다른 방법입니다. 이러한 방법을 통해 곡선이나 추세를 평滑할 수 있습니다.